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

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

田齐齐

多因素二分类logistic回归如何选择方法？

二分类logistic回归如何选择方法？输入、向前LR、向后LR等等不知道如何选择？ SPSS软件中多因素Logistic逐步回归分析提供了条件参数估计似然比检验（Conditional）、最大偏似然估计似然比检验（LR）、Wald检验3种模型假设检验方法，和向前选择法（Forward）、向后剔除法（Backward）两种变量进出方法，一共组合成6种逐步回归变量选择方法。不同的算法，

32.7545

3

1

0

关注作者

收藏

liting李

特征选择的一般过程

特征选择的一般过程(1)产生过程( Generation Procedure )产生过程是搜索特征子集的过程，负责为评价函数提供特征子集。(2)评价函数( Evaluation Function )评价函数是评价一个特征子集好坏程度的一个准则。(3)停止准则( Stopping Criterion )停止准则是与评价函数相关的，一般是一个阈值，当评价函数值达到这个阈值后就可停止搜索。

0.0000

0

0

0

关注作者

收藏

shauna570392

pca判断相关性就是用皮尔逊相关系数吧？

1.找出第一个主成分的方向,也就是数据方差最大的方向2.找出第二个主成分的方向，也就是数据方差次大的方向，并且该方向与第一个主成分方向正交(orthogonal 如果是二维空间就叫垂直)。3.通过这种方式计算出所有的主成分方向4.通过数据集的协方差矩阵及其特征值分析，我们就可以得到这些主成分的值。5.一旦得到了协方差矩阵的特征值和特征向量，我们就可以保留最大的 N 个特征。这

0.0000

0

3

0

关注作者

收藏

liting李

spss中如何评估模型好坏

1.首先要看图形2.其次看R方3.参数的多少

0.0000

0

1

0

关注作者

收藏

shauna570392

那如果特征组合之间存在相关性，PCA可以解决吗

一、问题描述那如果特征组合之间存在相关性，PCA可以解决吗，比如特征1 特征2 与特征3之间存在相关性。二、问题解答可以，pca就是解决这个问题，可以把x1x2重新组合为新特征，且与其他特征相关性为0

0.0000

0

2

0

关注作者

收藏

liting李

如何有spss进行卡方检验

1.首先用SPSS打开用分析的数据文件2.依次点击一、二、三级菜单：分析——描述统计——交叉表格3.将要分析进行卡方检验的两个变量分别选择至“行”、“列”，然后点击菜单右侧第二个按钮“Statistics”,在弹出的二级菜单中勾选“卡方”4.得到卡方检验的结果并解读结果。

0.0000

0

2

0

关注作者

收藏

liting李

spss相关书籍推荐

1.spss软件类书籍（1）SPSS统计分析基础教程(第2版)2011-11 张文彤、邝春伟（2）问卷统计分析实务:SPSS操作与应用 2010年5月1日吴明隆（3）SPSS统计分析(第5版) 2015年4月1日吴喜之, 卢纹岱 (编者), 朱红兵 (编者)（4）统计分析与SPSS的应用(第四版)2014年8月1日薛薇 (作者) （5）社会统计分析方法·SPSS软件应用(第2版)2

24.5124

2

1

0

关注作者

收藏

shauna570392

wrapper包装法选特征的问题

一、问题描述340是选到第七次350停而不是刚好选到340对吧二、问题解答是的，因为设置的步长为50，所以迭代到350的时候，满足条件，筛选出了前340个。

0.0000

0

4

0

关注作者

收藏

shauna570392

wapper包装法选特征的疑问

一、问题描述先把780个每次50个训练完，然后再选取前340个？二、问题解答不是每次训练50个，最后取。是一个个迭代训练。先取50个训练，第二次100个，第三次150个，以步长为50进行叠加，最后训练出前340个。

0.0000

0

0

0

关注作者

收藏

PGC123

编码问题导致 Mac版MySQL导入数据失败

Mac版MySQL导入数据失败，按照老师的各种方法导入数据，总也不能导入成功，这怎么办呢？答：经过远程查看，发现数据中存在中文，因此初步判定是数据库的编码与数据编码不一致的原因。使用如下代码查看数据库的编码格式：show variables like 'collation_%';永久更改数据库编码格式需要修改配置文件内容，在/etc/路径下创建 my.cnf文件，文件bn内容如下：#

53.3665

3

3

0

关注作者

收藏

大魔王泛泛

Azkaban的特点有哪些？

1.Web用户界面2.方便上传工作流3.方便设置任务之间的关系4.调度工作流5.认证/授权(权限的工作)6.能够杀死并重新启动工作流7.模块化和可插拔的插件机制8.项目工作区9.工作流和任务的日志记录和审计

0.0000

0

1

0

关注作者

收藏

三卿

office安装时报错，提示错误信息30094-1011(0

出现这个问题的原因是因为电脑系统版本不是正版，缺少一个签名与office进行确认安装，建议去电脑店或者淘宝重装win10系统，然后进行安装

2.0773

1

3

0

关注作者

收藏

三卿

使用jupyter时新建Python3时报error错误

出现这种情况可能是因为关掉了本地服务器，重新启动Jupyter Notebook，弹出的窗口不要关掉，因为那个窗口是Jupyter 在本地创建的服务器

2.0773

1

4

0

关注作者

收藏

<1…234235236…404>

CDA考试动态

CDA报考指南