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

读童话的狼

bagging抽样，为什么有1/3的噪声样本不会被训练？

一般来说，自助集大约平均会包含63%的原始数据。因为每一个样本被抽到某个自助集中的概率为当n足够大时，这个概率收敛于1-(1/e)，约等于0.632。因此，会有约37%的训练数据被浪费掉，没有参与建模，这些数据被称为袋外数据(out of bag data，简写为oob)。

12.3516

1

0

0

关注作者

收藏

詹惠儿

作业3要求什么

问：excel作业的作业三求什么，答：此题考查如何使用offset函数和match函数，实现动态数据选取功能，逻辑可参考如下

5.9918

2

2

0

关注作者

收藏

赵娜0418

在文件夹命令窗口打开jupyter无法自动跳转

在文件夹命令窗口打开jupyter notebook无法自动跳转，下面是解决方法：1.获取Jupyter NoteBook的配置文件首先我们需要找到Jupyter NoteBook的配置文件jupyter_notebook_config.py，在这里边有Jupyter NoteBook的各种的设置，这里我们需要打开Anaconda Prompt 在Prompt里边运行jupyt

18.3433

3

1

0

关注作者

收藏

赵娜0418

安装插件报错

执行pip install scipy==1.4.1 -i https://pypi.douban.com/simple的命令报错原因是安装的scipy版本不对，你装的是1.3，系统要求安装1.4.1

18.5555

2

1

0

关注作者

收藏

读童话的狼

numpy中matrix 和 array有什么区别？

Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。matrix 和 ar

0.0000

0

5

0

关注作者

收藏

田齐齐

逻辑回归如何解决多分类问题？

逻辑回归可用于多分类问题，二分类时的函数为sigmod函数，多分类问题应使用softmax函数，其实sigmod是softmax函数的一种情况。并且多分类问题时并不是类别y的值设置的越大概率会越大，因为，最终用于类别判断的函数是一个0，1向量，例如五分类问题的实际向量可以为（0，0，0，1，0），预测向量可以为（0.1，0.2，0.3，0.4，0），然后进行交叉熵计算最优化解。代码参考：htt

3.9004

5

2

0

关注作者

收藏

田齐齐

怎样理解分布峰度

正态分布的峰度K=3，均匀分布的峰度K=1.8。除了左偏右偏之外我们还需要从峰度上看峰度是否偏离了正态分布。kurtosis=K-3 称为超值峰度kurtosis>0，尖峰态（leptokurtic），数据集比较分散，极端数值较多kurtosis

56.7686

6

3

0

关注作者

收藏

田齐齐

统计学：样本方差为什么除以n-1

1.首先样本方差要除的那个东西n-1，不是代表样本个数，本质上，是自由度。2.除以（n-1）的定义式可以使得样本方差S²作为对总体方差的估计量，是无偏的。具体推导可参考：https://www.zhihu.com/question/28964121/answer/289441350

6.3232

6

2

0

关注作者

收藏

田齐齐

统计：四分位数

四分位数（Quartile）是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。1）第一四分位数(Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字；2）第二四分位数(Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字；3）第三四分位数(Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大

16.6076

7

4

0

关注作者

收藏

读童话的狼

二阶聚类的特点与适用范围

1）可以同时对连续变量和分类变量进行处理2）操作简单，可视化效果比较好，不需要提前制定聚类的数目，二阶聚类会自动分析并输出最优聚类数目。3）可以处理比较大的数据集，比如500w左右的数据是没有问题的，但是也不能太大4）对的要求：100列，200列，300列都是可以的，不能用于超高纬度

10.2845

1

5

0

关注作者

收藏

读童话的狼

逻辑回归中R方为0.273，为什么总体准确率可以达到0.81

R方为0.273代表低相关，但是分类表的准确率达到81%，这不是矛盾的，因为R方取值是0~1之间，所有R方的起点是从0开始的，但是准确度与R方不同，准确度是从50%开始的

0.0000

0

2

0

关注作者

收藏

读童话的狼

如何利用SPSS进行主成分分析？

主成分分析（principal component analysis）　　将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较

0.0000

0

3

0

关注作者

收藏

shauna570392

上四分位数和下四分位数的计算公式

Q1的位置= (n 1) × 0.25Q2的位置= (n 1) × 0.5Q3的位置= (n 1) × 0.75n表示项数

0.0000

0

5

0

关注作者

收藏

詹惠儿

IBCF的计算步骤

问：推荐系统案例中根据商品4的相似向量，可以找出它的两个邻居为商品3和商品6，但是用户1并没有对商品3和6进行评分，因此无法得出用户1对商品4的推荐指数，那这个推荐指数为3怎么来的呢答：你这里弄混了协同过滤的两种算法的步骤，基于用户的是先找邻居，再根据邻居的喜好来推荐；基于物品的是先找用户购买过的商品，再根据购买的商品的相似商品计算推荐指数，所以UBCF的侧重点是维护相似群体的爱好；而

3.2726

2

1

0

关注作者

收藏

读童话的狼

python正则表达式中{4，20}怎么理解？

“{m，n}”数量词匹配前一个字符m至n次。例如，ab{1，3}c匹配abc、abbc和abbbc。

0.0000

0

8

0

关注作者

收藏

读童话的狼

推荐系统如何评估模型准确率？

评测指标用于评测推荐系统的性能，有些可以定量计算，有些只能定性描述。1）用户满意度用户满意度是评测推荐系统的重要指标，无法离线计算，只能通过用户调查或者在线实验获得。调查问卷，需要考虑到用户各方面的感受，用户才能针对问题给出准确的回答。在线系统中，用户满意度通过统计用户行为得到。比如用户如果购买了推荐的商品，就表示他们在一定程度上满意，可以用购买率度量用户满意度。一般情况，我们可以用

0.0000

0

1

0

关注作者

收藏

若水若谷

excel：数据透视表计算同比和环比？

答：插入数据透视表后：1. 将日期放到行2. 将指标放到值3. 点击指标字段——字段设置——值显示方式——选择差异百分比

19.5448

2

6

0

关注作者

收藏

wo5656500

查询student表的第2条到4条记录中计算机系和英语系学生

select * from(select * from student limit 1,3) t where department in('计算机系','英语系');

2.4228

1

0

0

关注作者

收藏

若水若谷

mysql安装报错2502,2503

打开任务管理器。选择文件-新建任务勾选使用管理员权限创建此任务。点击浏览，选择要安装的mysql msi文件。点击确定运行。

19.5448

2

2

0

关注作者

收藏

PGC123

pandas数据类型转换报错

pandas某列数据转换数据类型时报错could not convert string to float。老师，我的数据都是'6893.98'的字符串，也没有空值，但是却不能转换，怎么办？答：此列数据中肯定有不合规的数据类型，可以尝试看看字符串长度来确定是否存在异常值。查看字符串长度小于1的所有行这时可以找到，发现这些数据都是空字符串。这时替换掉空字符串即可继续处理数据啦

36.8874

2

1

0

关注作者

收藏

<1…217218219…404>

CDA考试动态

CDA报考指南