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

shauna570392

公式的理解问题

一、问题描述、0.5(x-2)^2 0.3(y-3)^2 1 这里公式里的x y是指的ab吧二、问题解答不是，x和y是变量，a和b是在计算点到直线距离时设置的向量。

0.0000

0

1

0

关注作者

收藏

大魔王泛泛

简述一下Sqoop和其名字的由来？

Sqoop于2012年3月孵化出来，是一种在Hadoop和关系型数据库之间传输大量数据的工具，现已成为Apache顶级项目Sqoop名字的由来：SQL--Hadoop => Sq oop =Sqoop

0.0000

0

2

0

关注作者

收藏

liting李

什么叫做结构化数据

spss中神经网络一般用3.0算法，通常用于解决结构化数据，这里结构化数据是指什么？这里结构化数据是指一般特征都是具体的取值的数据。神经网络也用4.0算法，用于解决非结构化数据，这里的非结构化数据是指通常为文本，图片等不能用数据取值的数据。

0.0000

0

4

0

关注作者

收藏

赵娜0418

筛选变量的步骤是什么？

9、筛选变量的步骤是什么？答：1、筛选进入分析模型的X变量；2、根据X与y相关性排除百分之三十，筛选不进入分析模型的X；3、再次筛选进入分析模型的X变量；4、筛选不进入分析模型的X；5、最后再次筛选进入分析模型的X。

1.9347

2

2

0

关注作者

收藏

赵娜0418

如果变量只有30个的时候，可否和大量变量一样进行删除操作？

如果变量只有30个的时候，可否和大量变量一样进行删除操作？答：可以的，可以在前期筛选的时候按照30%进行删除，后期按照50%进行筛选删除操作。

1.9347

2

2

0

关注作者

收藏

赵娜0418

变量筛选整合变量之后的个数是怎么确定的？

变量筛选整合变量之后的个数是怎么确定的？答：例如有X1，X2，X3，X4，X5，X6，X7，X8八个变量，X1和X2整合为X11，X3和X4整合为X22，因为整合后的变量不参加主成分分析，所以筛选整合后的变量的个数就是4个

1.9347

2

4

0

关注作者

收藏

赵娜0418

在SPSS中纯数据的变量，各分组删除50%还是随机删除50%

3、在SPSS中纯数据的变量，各分组删除50%，，还是随机删除50%，有什么讲究吗？答：不是随机删除，根据X变量的重要性，在筛选变量的时候，最前边的步骤建议删除30%的变量，这样不会把重要的变量在前边的筛选中被筛掉，后边步骤建议删除50%，因为经过层层筛选，重要变量已经被筛选出来，这样不重要的变量在后边的步骤就可以多删除一点。

1.9347

2

2

0

关注作者

收藏

赵娜0418

2 2 3=7个变量怎么来的？

2 2 3=7个变量怎么来的？答：2根据业务法判定 2根据共线性组合而来 3根据共线性压缩而来

1.9347

2

3

0

关注作者

收藏

读童话的狼

建模流程怎么做？

1、根据业务判断最重要的X2、判断Y与剩余X的相关性，剔除最不相关的几个3、建立X的两两相关，将相关系数大于0.9的整合成一个变量4、对剩下变量进行主成分降维5、利用上面四个步骤得到的变量建立模型

1.1595

1

3

0

关注作者

收藏

读童话的狼

缺失值填补方法如何选择？

缺失资料为连续性或者分类变量时，缺失率较低（

0.0000

0

1

0

关注作者

收藏

读童话的狼

残差分析为什么是以3为界？

通常是超出3，超出2是不严格的

1.1595

1

2

0

关注作者

收藏

田齐齐

怎样理解主成分投影？

该方法在对指标值进行无量纲化和适当加权处理的基础上,通过正交变换将原有的指标转换为彼此正交的综合指标,消除了指标间的信息重叠问题,并利用各主成分设计一个理想决策变量,以各被评价对象相应的决策向量在该理想决策向量方向上的投影作为一维的综合评价指标。主成分投影法的基本步骤：1.确定评价矩阵。2.指标的无量纲化。3.指标权重的确定。4.指标的正交变换。5.理想评价向量的构造和投影值计算。6

3.5326

2

1

0

关注作者

收藏

大魔王泛泛

HBase的组件包括哪些？

HBase的主要组件包括Master，zookeeper，RegionServer，HDFS。（1）Master：用来管理与监控所有的HRegionServer，也是管理HBase元数据的模块。（2）zookeeper：作为分布式协调服务，用于保存meta表的位置，master的位置，存储RS当前的工作状态。（3）RegionServer：负责维护Master分配的region，regio

0.0000

0

7

0

关注作者

收藏

大魔王泛泛

Flume的组件有哪些？

flume有3大组件source(源端数据采集)：Flume提供了各种各样的Source、同时还提供了自定义的SourceChannel(临时存储聚合数据)：主要用的是memory channel和File channel（生产最常用），生产中channel的数据一定是要监控的，防止sink挂了，撑爆channelSink（移动数据到目标端）：如HDFS、KAFKA、DB以及自定义的sink

0.0000

0

4

0

关注作者

收藏

shauna570392

sql如何另存为文件

1、点击file2、点击save script as3、输入文件名保存即可。

0.0000

0

2

0

关注作者

收藏

liting李

MCMC法填充缺失值spss

1.分析-多重插补-插补缺失数据集 2. 3. 4.

0.0000

0

2

0

关注作者

收藏

liting李

缺失值如何处理？

市面上关于缺失值有本书叫《多重插补》，有兴趣的同学可以看一下。行的缺失比较重要，3%以内的，缺的比例比较少，用中位数填补；3%-20%之间，缺失值比例比较大，用回归法填充；20%-50%，缺失值比例偏大，使用MC填充。60%以上，用缺失值分类法。

0.0000

0

1

0

关注作者

收藏

liting李

特征提取与特征选择两者的作用

1 减少数据存储和输入数据带宽；2 减少冗余；3 低纬上分类性往往会提高；4 能发现更有意义的潜在的变量，帮助对数据产生更深入的了解。

0.0000

0

5

0

关注作者

收藏

田齐齐

聚类算法中的距离度量有哪些，怎样理解？

你知道聚类中度量距离的方法有哪些吗？ 1）欧式距离欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。即两点之间直线距离，公式比较简单就不写了　应用场景：适用于求解两点之间直线的距离，适用于各个向量标准统一的情况 2）曼哈顿距离(Manhattan Distance) 从名字就可以猜出这种距离的计算方法了。想象你在曼哈顿要从一个十字路

32.7545

3

1

0

关注作者

收藏

田齐齐

层次聚类方法

在社会学领域，一般通过给定网络的拓扑结构定义网络节点间的相似性或距离，然后采用单连接层次聚类或全连接层次聚类将网络节点组成一个树状图层次结构。其中，树的叶节点表示网络节点，非叶节点一般由相似或距离接近的子节点合并而得到。层次聚类方法的基本思想是：通过某种相似性测度计算节点之间的相似性，并按相似度由高到低排序，逐步重新连接个节点。该方法的优点是可随时停止划分，主要步骤如下：（1）移除网络中的所

3.5326

2

3

0

关注作者

收藏

<1…233234235…404>

CDA考试动态

CDA报考指南