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

维博520

关于py中的变量

1. python是动态数据类型2. python中的变量不需要声明, 直接赋值就可以使用3. 变量在使用之前必须进行赋值4. Python会根据你赋给的值自动判断变量的数据类型 - 其实变量并没有什么类型 - 变量只是指向了一个内存地址, 内存地址中储存了我们的数据, 这个数据是具有数据类型的 - 变量可以重复赋值,

13.5415

1

1

0

关注作者

收藏

悠悠202

Python基础（1）

1. 同时为多个变量赋值2.数据类型：整数型int、浮点型float，可用转换数据类型，通过type()查看数据类型3.字符串：（1）换行符(\n)、制表符(\t)、引号转义(")、转义符(\)、拼接(+、*)、索引和切片、长度(len())（2）常用的方法：查找索引（s.find('a')）、替换元素（s.replace('a','b')，原来的s不变）、计数（s.count('a')、分割（s

13.5415

1

0

0

关注作者

收藏

k_0711

制作图表时的注意事项

1.更改图表大小时要注意避免因为改变了图表长宽比例而引起图表的表达显得模糊不清，可以按住shift+鼠标左键拖动就可以实现按照比例放大缩小图表； 2.避免图表看起来空旷不饱满，应尽量使图表内容填满作图区，图1明显好于图2；图1

13.5415

2

5

0

关注作者

收藏

1309_1565582599

make_blobs函数及相应参数简介

make_blobs方法sklearn.datasets.make_blobs(n_samples=100,n_features=2,centers=3, cluster_std=1.0,center_box=(-10.0,10.0),shuffle=True,random_state=None)make_blobs函数是为聚类产生数据集，产生一个数据集和相应的标签n_samples:表示数据样本

13.5415

1

2

0

关注作者

收藏

刘思婵

K-means与KNN聚类

K-means是无监督的聚类，即给定的数据都没有标签，根据其自身特性的相似程度来聚成K类。K是指定的某个经验常数。K-means的过程为初始化、两步迭代与停止条件。1. 初始化时，随机选K个点作为聚类中心即可。2. 迭代更新2.1 对所有顶点逐一聚类。把顶点们都聚到距离自己最近的那个聚类中心所代表的类中。这里的距离可以是欧氏距离，我觉得也可以定义其他方式的距离。2.2 更新聚类中心。现在每个聚类里

13.5415

1

2

0

关注作者

收藏

姚慧扬

Question：某华润万家超市后台记录了一年内53万余条消费者的消费数据，如何做描述统计分析（撰写一份数据描述统计分析报告）？五个角度：一.总体规模的描述——总量指标二.对比关系的描述——相对指标三.集中趋势的描述——平均指标四.离散程度的描述——变异指标五.分布形态的描述——偏态与峰态

13.6228

2

1

0

关注作者

收藏

肖宁21

DAX表达式：Power Pivot的特有函数集1. DAX表达式的结果应用在数据透视表中 2. DAX表达式的结果作用于整列或者表中所有行 3. 还需注意以下几点： a. 表名用“''”引用。 b. 字段名（列名）用“[]”引用。 c. 要注意函数表达式中参数的数据类型，尤其是要将“表”与“数值”正确区分。 d. 与Excel公式相同，除了直接在编辑器的公式区域输入公式外还可以通过单击公式编辑栏

13.6557

5

3

0

关注作者

收藏

hcy吃猫的鱼

1.一对一的表连接方式最不可能出现，多对多的连接方式可能出现但不能用，一对多是最正确的连接方法，一表出维度，多表出度量；2.模型选项中表连接的出发位置出维度，指向的位置出度量；3.一表出维度，多表出度量（类型一）：维度对度量进行合并同类项的计算；4.多表出维度，一表出度量（类型二）：维度下对应的连接用关键字段不同情况对度量进行汇总的结果；5.要避免多表筛一表和跨表筛选；6.维度和关键字段满足父子级

13.6325

4

3

0

关注作者

收藏

k_0711

Excel常见函数及一些注意事项

一、IF/IFS函数函数定义：根据条件满足与否返回不同的值使用格式：IF(LOGICAL_TEST,VALUE_IF_TRUE,VALUE_IF_FALSE)白话：IF(条件,与条件一样时运算这个,与条件不同时运算这个)COUNTIF函数函数定义：计算满足条件的单元格计数使用格式：COUNTIF(RANGE,CRITERIA)白话：COUNTIF(要找的内容所在的区域,要找的内容)注意事项：指定的

13.8031

6

3

0

关注作者

收藏

zjjwf

KNN算法优缺点

KNN的主要优点有：1.理论成熟，思想简单，既可以用来做分类又可以做回归2.可以用于非线性分类3.训练时间复杂度比支持向量机之类的算法低3.和朴素贝叶斯之类的算法比，对数据没有假设，准确度高，对异常点不敏感4.由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属的类别，因此对于类域的交叉或重叠较多的待分类样本集来说，KNN方法较其他方法更为适合5.该算法比较适用于样本容量比较

13.7934

4

5

0

关注作者

收藏

132****7268

图表处理细节：1.锁定长宽比例：按shift键进行拖拽2.图表内容尽量充满坐标轴3.注意数据标签（数据表）4.坐标轴标题，总标题，系列名称5.颜色搭配 https://www.shejidaren.com/examples/tools/color-scheme/

13.7934

4

2

0

关注作者

收藏

pkwwwsas

机器学习方法分类

机器学习的方法是基于数据产生的 "模型"（model）的算法，也称 "学习算法"（learning algorithm）。1.有监督学习（supervised learning）2.无监督学习（unsupervised learning）3.半监督学习（semi-supervised learning）4.强化学习（reinforcement learning）

13.7934

4

1

0

关注作者

收藏

雯子哦呀呀

顺序语句执行顺序：从左到右，从上到下控制流语句： For循环、while循环，两者差别比较大，for用的比较多一些实际上，for循环不是一个循环，他是一个迭代，也可以说是遍历 For 临时变量 in 要遍历的对象:每次遍历中执行的代码: for i in [1,2,3,4,5]:每次遍历中执行的代码: range(10) #惰性迭代器: 这个函数并没有真正生成这个线性序列,知识把生成序列的规则记录

13.9022

5

3

0

关注作者

收藏

Jiapingyue

1.k-NN算法原理：距离，欧氏距离，近邻思想，少数服从多数，越近越相似模型：（1）算距离，欧氏距离（常见）（2）找邻居（3）做分类2.Python代码实现（1）构建原始数据集（make_blobs）（2）计算已知类别数据集中的点与当前点之间的距离（3）将距离升序排列，选取距离最小的k个点（4）确定前k个点所在的类别的计数（5）选择次数最多的类别作为当前点的预测类别3.KNN算

13.7802

4

2

0

关注作者

收藏

Aran刘跃然

汇总逻辑梳理（1）

业务知识>分析方法 >工具使用业务知识：1.指标和指标体系2.模型和分析方法3.流程和行为BI分析：战略战术：1.改善业务流程；2.优化业务行为。（经验驱动，数据驱动）一、通用指标体系：一级指标：求和、平均、技术、最大最小值二级指标：（比较用的指标）基准比：实际值/基准值，EG考试水平均比：实际值/总平均值，EG产品平均水平标准比：实际值/标准值，EG车间工人绩效目标比：实

13.6618

3

5

0

关注作者

收藏

赵娜0418

Power BI编辑M 函数方法

编辑M 函数方法：1. 通过“编辑栏”、“添加自定义列”或“高级编辑器”等功能了解M函数表达式写法。2. 根据需求重新编辑表达式程序。3. 编辑错误通过“查询设置”区域退回重新编辑。4. 在编辑器中输入“=#shared”可以查看M函数列表

14.2601

5

1

0

关注作者

收藏

赵娜0418

Power BI中DAX表达式的应用

DAX 表达式： Power Pivot 的特有函数集1. DAX表达式的结果应用在数据透视表中2. DAX表达式的结果作用于整列或者表中所有行3. 还需注意以下几点：a. 表名用“''”引用。b. 字段名（列名）用“[]”引用。c. 要注意函数表达式中参数的数据类型，尤其是要将“表”与“数值”正确区分。d. 与Excel公式相同，除了直接在编辑器的公式区域输入公式外还可以通过单击公式编辑栏前的“

0.7186

4

4

0

关注作者

收藏

赵娜0418

Power BI如何搭建多维数据集

搭建方法：1. 明确表与表之间用于匹配的关键字段2. 在关系图视图模式下选中某个表的关键字段拖拽向另一个表的关键字段注意事项：1. 用于连接两表的两个关键字段中，至少有一个关键字段是没有重复值的2. 关键字段中有重复值的表为主表，没有重复值的表为附表，在数据透视表中，只有当行列标签来自附表时，附表才能提供值字段3. 两表关联时必然有一个主表和一个附表（如果两个关键字段都没有重复值，连接时先选中的表

14.2601

5

4

0

关注作者

收藏

shauna570392

什么是降维?

降维是指通过保留一些比较重要的特征，去除一些冗余的特征，减少数据特征的维度。而特征的重要性取决于该特征能够表达多少数据集的信息，也取决于使用什么方法进行降维。一般情况会先使用线性的降维方法再使用非线性的降维方法，通过结果去判断哪种方法比较合适。以下几种情况会需要用到降维:1特征维度过大，可能会导致过拟合2.某些样本数据不足的情况（缺失值很多）3.特征间的相关性比较大时

13.9043

5

1

0

关注作者

收藏

shauna570392

无标签无监督学习如何理解?

定义无监督学习，是指机器通过学习没有标签的数据，根据特征将它们分为若干类别的过程。相对于监督学习，无监督学习使用的是没有标签的数据。机器会主动学习数据的特征，并将它们分为若干类别，相当于形成「未知的标签」。比如我们向机器输入一些未经标注的樱桃数据后，机器会主动学习樱桃的特征，并将拥有相似特征的樱桃归为一类。颜色深红且果实较大的樱桃（甜的）可能会被分到一类，而颜色鲜红且果实较小的樱桃（酸的）则可能会

13.9043

4

2

0

关注作者

收藏

<1…139140141…404>

CDA考试动态

CDA报考指南