数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

卫明真

R语言数据框的下标与子集的提取

数据框的下标与子集的提取数据框的下标与子集的提取与矩阵基本相同. 不同的是: 对于列我们可以使用变量的名称, 仍以数据集Puromycin进行举例说明. 1、提取单个元素> Puromycin[1, 1][1] 0.022、提取一个子集，例如第1, 3, 5行，第1, 3列 > Puromycin[c(1, 3, 5), c(1, 3)] conc state1 0.02 treated3

44.6814

5

0

0

关注作者

收藏

卫明真

R语言数据框(data frame)的建立

统计分析中一个完整的数据集通常是由若干个变量的若干个观测值组成的, 在R中称为数据框. 数据框是一个对像, 它与前面讲的矩阵与二维数组形式上是类似的, 也是二维的，也有维数这个属性, 且各个变量的观测值有相同的长度. 但不同的是: 在数据框中, 行与列的意义是不同的, 其中的列表示变量，而行表示观测. 显示数据框时左侧会显示观测值的序号.数据框的建立分为直接的与简接的两种方法: 数据框的直接建立若

44.6814

5

0

0

关注作者

收藏

我是大魔王哈哈

ImportTool: Import failed: java. io. I0Exception: Hive exited with status 1

将hive安装目录下的lib/libthrift-0.9.3.jar拷贝到sqoop的lib目录下，重新启动服务

59.3136

5

0

0

关注作者

收藏

赵娜0418

表字段非唯一字段是否可以使用内连接？

内连接非唯一字段文中会有两张表，user表和job表，表数据如下,其中user为5条记录,job为4条记录A表 USER: B表 job: 如果A表有m(5)条记录，m1(2)条符合on条件，B表有n(4)条记录，有n1(3)条符合on条件，则结果集是Max(m1,n1)=3条1,2,2,6,7 和 1,1,7,8对比,以user表为主表,因为主表中有2条符合条件的记录(1,7),而job

94.9067

8

0

0

关注作者

收藏

赵娜0418

office报 KERNEL32.dll 的错误

尝试安装 Office 时遇到 KERNEL32.dll 错误，并遇到其他系统要求问题时候，1。如果您尝试在运行 Windows XP 或 Windows Vista 的计算机上安装 Office，您可能会看到一个错误信息，显示找不到动态库 KERNEL 32.dll。发生此情况的原因是这些版本的 Windows 不支持新版本的 Office。要安装 Office 2013 或 Office 20

41.6142

6

0

0

关注作者

收藏

赵娜0418

Mac系统无法安装WordCloud

Mac系统字体文件路径不同，需要下载simhei.ftt,具体链接如下。然后修改WordCloud(font_path=指向字体文件所在的路径）http://www.font5.com.cn/font_download.php?id=151&part=1237887120

41.7552

7

0

0

关注作者

收藏

赵娜0418

安装Office的时候报“停止，应等待安装Office2016”的错误

问题：Office 2016 更新过程已经过更新，以检查当前的 Outlook 配置和确定你是否可能收到某些已知问题的影响。如果它确定你的配置可能受到影响，则你将收到以下警告：如果你选择“仍要安装”，并升级到 Outlook 2016 for Windows，则在你尝试连接到主、共享或代理邮箱/文件夹时，你将收到以下错误消息：接着，当您打开 Outlook 时您收到另一条错误消息告知您 Outlo

41.4884

5

0

0

关注作者

收藏

詹惠儿

smote算法具体有哪些步骤？

问：smote算法具体有哪些步骤？答：SMOTE算法步骤：1. 随机找一个少数类的观测点2. 用KNN计算观测点最近的样本3. 随机挑选离观测点近邻的其中一个样本4. 计算两点的差值后进行随机提取。

40.3382

2

0

0

关注作者

收藏

shauna570392

pip install和conda install的区别

pip是用来安装python包的，安装的是python wheel或者源代码的包。从源码安装的时候需要有编译器的支持，pip也不会去支持python语言之外的依赖项。 conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。然后，conda安装的都是编译好的二进制包，

40.2325

1

0

0

关注作者

收藏

开花结果02

powerbi：PV和Visits有什么区别

问题：PV和Visits有什么区别解答：浏览量（PV）：店铺内浏览和查看页面的累加次数访问次数（Visits）：一个会话内被用户连续访问的次数举个例子：客户a在一天内一个店面上午浏览了3个页面后离开，下午浏览了2个页面后离开，店内无其他访问客户则这一天的PV=5,访问次数=2

40.2325

2

0

0

关注作者

收藏

开花结果02

powerbi：从哪里可以获取指标

问题：从哪里可以获取指标解答：1.找业务人员直接进行访谈，深入和全面了解业务问题，了解与业务相关的各项指标2.业务岗直接实习3.调研，购买一些书籍，互联网查找这这个过程中就需要我们不断提高自己的洞察力，也就是透过现象看本质的能力，才能得出有价值的结论

44.4567

2

0

0

关注作者

收藏

zengweiak47

拉格朗日插值法隐式知识点:描述两个变量的相关性,使用条形堆栈条形图卡方检验两个连续变量:散点图 + 趋势线相关系数一分类一连续:分组箱线图 t检验(二分类)方差分析(多分类 )无监督分箱有明确业务逻辑,只能用自定义分箱1,2,3,4,5,6,7,100等宽,等深分箱: 等宽:3个箱子,分割点[1,34,67,100](距离相等,保存了分布信息)

44.4249

1

0

0

关注作者

收藏

读童话的狼

count(1) 比 count(*) 效率高？

1. count(1) and count(*)当表的数据量大些时，对表作分析之后，使用count(1)还要比使用count(*)用时多了！从执行计划来看，count(1)和count()的效果是一样的。但是在表做过分析之后，count(1)会比count()的用时少些（1w以内数据量），不过差不了多少。如果count(1)是聚索引,id,那肯定是count(1)快。但是差的很小的。因为count

45.6283

2

0

0

关注作者

收藏

刘思婵

分类的规则

分类的规则大致有两类：按主体分类，e.g. 按社会关系模型，用户角色可以是父母、配偶、子女、朋友等；e.g. 按照群体划分，可以分为一般情况和特殊情况、二八原则等；按属性分类，依据主体(比如用户)的属性进行类别划分。e.g. 用户画像时可以考虑以下属性：1. 社会属性：收入水平、学历、职业、婚姻情况等2. 位置属性：居住地、工作地、从手机端还是PC端登录等3. 生物属性：年龄、性别、种族等4. 心

0.0000

0

0

0

关注作者

收藏

刘思婵

一般的闭环流程包括3部分：事前方案规划，事中执行监控，事后复盘总结。e.g. 营销活动事前：确定目标，选定用户，制定方案，确定检验标准等；事中：实时数据监控(是否达到预期)，不同方案赛马，备用方案启用等；事后：对整个流程复盘，总结经验，CSS归类(Continue做先前已验证的正确的事，Stop做错误的事，Start做新的正确的事)常用的闭环迭代框架是PDCA，通过计划(P)、实施(D)、检查(C

0.0000

0

0

0

关注作者

收藏

刘思婵

1. 商业理解：确定业务目标，评估现有资源，确定分析目标，制定解决方案；2. 数据理解：数据采集，探索分析，数据质量验证；3. 数据准备：筛选数据，数据清洗，整合数据，变量衍生；4. 建立模型：模型选择，检验设计，模型建立，结果评估；5. 模型评估：分析结果和业务目标匹配度确认，检查1-4步的执行过程，确定下一步行动；6. 结果部署：规划部署方案、监控和维护方案，输出项目报告，项目复盘；e.g.

38.5549

1

0

0

关注作者

收藏

刘思婵

e.g. 常见的数据分析路径之一是SAS公司提出的SEMMA范式：1. Sample，数据抽样，保证数据的效度和信度；效度是指数据的准确性，也指选择的数据和分析目标及业务目标是吻合的；信度是指数据的稳定性，要保证样本数据有代表性，且在一定周期内不能有过大的波动(否则模型不稳定)；2. Explore，数据特征探索及预处理，e.g. 看数据的分布情况、对数据进行标准化等；3. Modefy，明确问题

38.5549

1

0

0

关注作者

收藏

-黄纬

(1)定义：事先对总体参数或分布形式做出某种假设，然后利用样本信息来判断原假设是否成立；(2)地位：是统计方法（描述性统计和推断性统计）中推断性统计（参数估计和假设检验）的两大方法之一；(3)应用：常用于产品生产中，产品质量的检验等问题上。

38.5549

1

0

0

关注作者

收藏

fuli2020

机器学习——SVM与感知机

感知机的策略定义损失函数的第一种方法损失函数1：当前超平面下误分类点的个数优点：找到了一个可以反应出当下的模型的信息损失的方式缺点：离散型的变量，不好做优化，需要将离散的变量转换成连续的变量损失函数2：当前超平面下误分类点的点到超平面的距离总和优点：将离散的信息损失转换成了连续的信息损失，可以尝试做求导缺点：公式中有一个绝对值存在，做求导非常的困难y(wx+b)又叫做函数间隔损失函数3：当前超平面

38.6381

2

0

0

关注作者

收藏

LXM21

MySQL Server 8.0 装不上

解决：下载离线安装包 https://downloads.mysql.com/archives/community/ 一、安装1. 解压zip包到安装目录比如我的安装目录是：C:\Program Files\MySQL2.配置文件在Windows系统中，配置文件默认是安装目录下的 my.ini 文件，部分配置需要在初始安装时配置，大部分也可以在安装完成后进行更改。当然，极端情况下，所有的都是可以更

40.9940

4

0

0

关注作者

收藏

<1…108109110…404>

CDA考试动态

CDA报考指南