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

隋东芝

机器学习小结8.8

一、机器学习的分类①监督学习（supervised learning）：线性回归，逻辑回归，KNN，神经网络，决策树，集成学习，SVM，贝叶斯，协同过滤，LDA②无监督学习（unsupervised learning）：聚类、关联规则，PCA降维③半监督学习（semi-supervised learning ）：半监督分类，半监督回归，半监督聚类，半监督降维④强化学习（reinforcement

31.3758

1

3

0

关注作者

收藏

小朱520

机器学习ID3，C4.5，CART决策树构建原理对比

三者算法原理的比较

37.6146

2

9

0

关注作者

收藏

雯子哦呀呀

给出object类型的出生日期如何提取年龄

# 设立一个DataFramedf=pd.DataFrame([['1985-04-01',2,3],['1999-01-01',np.nan,5.0],[np.nan,2,3],[1998,2,3]])df# 把第一列的变量类型改为字符串型，再查看DataFrame的类型df[0]=df[0].astype('str')df.info()# 提取出生日期的前4个字符，就是出生年df[0].map

37.3976

1

2

0

关注作者

收藏

shauna570392

mysql server如何从5.7升级8.0

1、运行该软件安装包2、点击remove，选择5.7版本的mysql server，把mysql server卸载掉（只需要卸载这一个组件）3、点击add重新安装mysql server安装直接默认下一步，直到某一步需要设置密码，建议设置一个简单好记的密码，再继续下一步至安装结束即可

32.3787

2

6

0

关注作者

收藏

-黄纬

常见图表应用

1、对比类：柱状图、条形图、折线图、雷达图（1）柱形图：反映一段时间内数据的变化，或者不同项目之间的对比。（2）条形图：条形图是显示各个项目之间的对比，其分类轴设置在横轴上。（3）折线图：折线图反映一段时间内，统计内容的变化趋势，往往结合时间维度使用。（4）雷达图：雷达图反映指定维度下类别间的差异注：为不影响图表内容的表达，维度控制在10个内，类别控制在4个内（ 2个为最佳） 2、构成类：饼

37.3976

1

0

0

关注作者

收藏

小朱520

机器学习中构建决策树中ID3算法和C4.5的算法的区别

ID3算法决策树是通过信息增益的值得大小来构造决策树最大的为顶层，如图示例C4.5是通过信息增益率来构建决策树，根据值最的为顶层，算法如图这里算的为outlook的信息增益率，14为样本总数。当然可以以此来计算其他。

37.4340

2

0

0

关注作者

收藏

132****7268

众数： - 一组数据中出现次数最多的变量值 - 适合于数据量较多时使用 - 不受极端值的影响 - 一组数据可能没有众数或有几个众数，如：（1）没有众数：1，2，3，4，5 （2）一个众数：1，2，3，4，4 （3）多个众数：1，2，2，3，3

37.6339

4

4

0

关注作者

收藏

ermutuxia

这个公式如何理解=IF(H26

这个公式如何理解=IF(H26

0.2897

3

6

0

关注作者

收藏

zengweiak47

机器学习建模流程1.业务理解(解决什么问题,需要什么数据)2.获取数据(数据库,爬虫,直接数据)3.数据预处理:数据的清洗,探索性分析,特征选择4.建模(模型的选择,超参数优化)5.模型测试6.模型应用时间序列可以考虑采用相邻填充.类别型数据类型,一般都是字符型,数值型(离散型)连续型:连续数值,填充(均值,中位数)常用的编码的方式label encode : 0,1,2,3....哑编码:(中,

32.4215

5

2

0

关注作者

收藏

赵娜0418

py文件和ipy文件异同

1. 相同点用Python语言编写的源代码文件，其文件后缀是 “.py” 或 “.ipynb”。用Python语言编写的源代码文件，其文件后缀是 “.py” 或 “.ipynb”。2. 区别.py：".py" 文件是标准的Python源代码文件，通常情况下，使用 “.py” 的python源代码文件。可以用Spyder编辑并运行.py文件。也可以用notepad++或者sublime免费的编辑器进

32.6237

6

6

0

关注作者

收藏

赵娜0418

python读入文件时加r的作用？

r’xxx’ 的含义**加 r 会把字符串转变为非转义的原始字符串。**比较常用。例如：print('D:\\test\\test.txt')print(r'D:\\test\\test.txt')print(r'D:\test\test.txt')123结果是：D:\test\test.txtD:\\test\\test.txtD:\test\test.txt123从结果看来，加 r 的作用是把

32.6237

6

2

0

关注作者

收藏

shauna570392

date函数使用场景是什么？

DATE函数函数用途：返回表示特定日期的连续序列号。语法结构：DATE(year,month,day)参数说明：Year：必需。year 参数的值可以包含一到四位数字Month：必需。一个正整数或负整数，表示一年中从 1 月至 12 月（一月到十二月）的各个月Day：必需。一个正整数或负整数，表示一月中从 1 日到 31 日的各天。应用场景：1.根据给定的年月日组合成日期2.根据其他日期计算某个日

38.8049

6

1

0

关注作者

收藏

小朱520

python中的一些导入文件的代码

%matplotlib inline 在线显示图片import numpy as npdata = np.genfromtxt('kmeans.txt',delimiter=' ') 使用np导入文件import pandas as pddata=pd.read_csv('D:\CDA\File\datingTestSet.txt',sep='',names=['x1','x2','x3','y

32.3851

4

3

0

关注作者

收藏

ermutuxia

如何用python将word doc文件转换成其他格式文件？

dir1="D:\\附件"from win32com import client as wcword = wc.Dispatch("Word.Application")doc = word.Documents.Open(dir1+"\\"+"51job_X先生_01.doc")doc.SaveAs(dir1+"\\"+"测试.docx", 12) # 12表示docx格式#用上面的设定方法，当你

0.2555

2

3

0

关注作者

收藏

Dreaming2019

请教一下，今年二级建模考试的清洗思路

今年考试，数据中有130个字段，第一个任务是要清洗数据，提取数据，寻找字段进行分析，因为上课练习时数据质量和体量都比较小，所以想请教一下，面对这样的真实数据的第一步清洗工作的思路，或者解题步骤。主要困惑在：1.130个字段每一个字段都要进行缺失值填补吗？ 2.用什么方法判别需要纳入分析的字段。后120分钟.rar

32.4068

4

2

0

关注作者

收藏

-黄纬

业务建模—RFM模型

RFM模型是根据用户历史行为数据，结合业务理解，实现用户分类，助力用户的精准营销。其核心是数据分类。1、RFM作用：帮助企业判断哪些用户有异动，是否有流失的预兆，从而增加相应的运营措施 2、维度选择：（1）最近一次消费（Recency）:基于当前时点，统计用户最近一次消费时点和当前时点的时间差（2）消费频次（Frequenc

32.2169

3

5

0

关注作者

收藏

zzz778290113

特征筛选及PAC

特征筛选：当特征非常多的时候，可能存在冗余，特征越多，可能噪音越多，同时特征越多，模型效率越低，可以考虑进行特征筛选来去掉无效的信息，看看是否可以提高模型的准确度。既可以提升模型的泛化能力，也能够减少模型运行的时间特征筛选的方法，在对测试集进行筛选的时候，使用的是通过训练集训练之后的模型进行筛选在特征筛选的方法中，以下方法一到四的效果（单变量特征筛选方法）不如方法五和方法六的效果好方法一：方差过滤

32.2423

4

1

0

关注作者

收藏

Zzyh12

机器学习之决策树

决策树是一种基本的分类与回归方法,由结点和有向边组成,路径上内部结点的特征对应着规则条件,而叶节点的类对应规则的结论(互斥并完备)决策树预测过程:收集数据--准备数据--分析数据--训练算法--测试算法--使用算法决策树的构建:特征选择,决策树的生成,决策树的修剪特征选择的标准:信息增益(在划分数据集之后信息发生的变化,信息增益越高越好)构建决策树的方法:ID3,C4.5,CARTID3具体流程:

32.2423

4

2

0

关注作者

收藏

CDA持证人阿涛哥

如何用Python计算身体质量指数BMI,并给出胖瘦程度评价?

问:身体质量指数 (Body Mass Index, 简称 BMI)，是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。BMI 值超标，意味着你必须减肥了。BMI 的计算公式是：BMI=体重(千克)/身高的平方(米)按照中国人的体质特征，BMI 指数小于 18.5 为体重过轻，在 18.5 到 23.9 之间为正常，在 24 到 27.9 之间为超重，大于等于 28 的为肥胖。请你根据上述

38.3739

7

1

0

关注作者

收藏

zengweiak47

决策树是一种基本的分类与回归方法看成if -then 规则决策树的构建特征选择(特征选择对于选取对训练数据有分类的特征)决策树的生成决策树的修剪信息增益:在划分数据集之后信息发生的变化称为信息增益.熵定义为信息量的期望值.(概率越小,信息量大)香农熵n(类别)越大,香农熵(H)越大,n固定,H在均匀条件下最大经验熵(香农熵根据概率算出来,但概率不知道,只能使用经验熵)分类少 H(D|A)大 g小分

22.5918

3

7

0

关注作者

收藏

<1…122123124…404>

CDA考试动态

CDA报考指南