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

yuechuchen

构建非控制词汇集的常用方式

Inverse Document Frequency (IDF) 是构建非控制词汇集常用的方式。 IDF = log 2 N/n N 是指有多少篇文章 (N=5) n 是指某个词出现在多少篇文章中 (加势大周 (n=1), 的 (n=5)) IDF代表着信息量, 由IDF的大小我们可以得知一个词的重要程度• IDF越大代表这个词越重要, 也越是我们想要的关键词• I

27.2727

1

4

0

关注作者

收藏

三卿

Anaconda安装后找不到文件夹与文件

当下载最新版的Anaconda之后，发现没有Anaconda文件夹并且找不到文件还无法打开。可以下载32位安装包或者下载老版本程序进行安装。

0.0000

0

2

0

关注作者

收藏

yuechuchen

pycharts报错情况之一

pycharts报错“chromedriver”excutetable needs to be in PATH，谷歌浏览器渲染图形时出错，常见两种处理方式，一种卸掉谷歌浏览器重新安装，一种是更换成其他浏览器，火狐或者360等。

0.0000

0

5

0

关注作者

收藏

若水若谷

MySQL问题：MySQL8.0怎么导数？

答：1.在workbench中输入 show global variables like ‘local_infile’; 结果应该为:on,该问题与local-infile是否=1无关,是workbench的bug;2.继续输入show variables like ‘secure_file_priv’;结果应该为C:\ProgramData\MySQL\MySQL Server 5.7\U

27.2727

1

0

0

关注作者

收藏

若水若谷

MySQL问题：win7如何找到隐藏文件路径?

答：1.点击--开始--控制面板--2.找到里面的--文件夹选项----点击打开3.这时会弹出一个窗口,选择--查看--选项卡4.找到高级设置的框,下拉滚动条找到--显示隐藏的文件,文件夹和驱动器--选项,点亮前面的圆点5.点击--确定--

27.2727

1

0

0

关注作者

收藏

若水若谷

MySQL问题：安装卡在Start Server？

答：1、删除MySQL服务，cmd下面输入sc delete MySQL57（不知道你的服务名字是不是MySQL57，如果不是请输入正确的服务名字）；2、卸载所有和MySQL相关的程序，有好几个，注意，一定要删除与MySQL相关的所有的数据（不能用MySQL自带的卸载，卸不干净，可以利用Uninstall Tool3.5.3，在卸载程序界面，右键选择与MySQL相关的程序，弹出一个菜单，选择强制

0.0000

0

3

0

关注作者

收藏

赵娜0418

自由度有哪些性质

自由度1、按着这一逻辑，如果对n个观测值附加的约束个数为k个，自由度则为n-k，2、当样本数据的个数为n时，若样本平均数确定后，则附加给n个观测值的约束个数就是1个，因此只有n-1个数据可以自由取值，其中必有一个数据不能自由取值3、从字面涵义来看，自由度是指一组数据中可以自由取值的个数，4、自由度是指数据个数与附加给独立的观测值的约束或限制的个数之差

0.8680

2

1

0

关注作者

收藏

赵娜0418

怎样解释切比雪夫不等式

切比雪夫不等式• 对于k=2，3，4，该不等式的含义是1. 至少有75%的数据落在平均数加减2个标准差的范围之内2. 至少有89%的数据落在平均数加减3个标准差的范围之内3. 至少有94%的数据落在平均数加减4个标准差的范围之内对于任意分布形态的数据，根据切比雪夫不等式，至少有1-1/k方的数据落在平均数加减k个标准差之内。其中k是大于1的任意值，但不一定是整数

0.7194

2

1

0

关注作者

收藏

读童话的狼

建模前数据如何去噪？

数据在建模之前，有的时候会存在大量噪声，这个时候就需要去噪算法对原始数据进行去噪处理。目前了解到的去噪方法有：3标准差去噪，分箱去噪，dbscan去噪等。其中，3标准差去噪，对于正态分布的数据具有较好的去噪性能，而对于数据属于偏态分布时，使用分箱去噪相对较好。dbscan是基于数据聚类的原理进行去噪的，对于不属于类别之内的数据，视作离群点，输出结果为一个打标的矩阵，其中标记为-1的数据即为视

0.0000

0

1

0

关注作者

收藏

赵娜0418

全概率相关题目

某PC产品由甲、乙、丙三个供应商供货，供应商的次品率分别为4%、3%、2%，它们各自的供货分别占总产量的25%、35%、40%，将它们的产品组合在一起，求任取一个是次品的概率。解：设 A 1 表示“产品来自甲供应商”， A 2 表示“产品来自乙供应商”， A 3表示“产品来自丙供应商”， B表示“取到次品”。根据全概率公式有

1.2364

2

0

0

关注作者

收藏

田齐齐

两独立样本T检验的适用范围是什么？

两独立样本t检验，又称成组t检验，两总体t检验，两样本均数比较的t检验，适用于完全随机设计两样本均数的比较。检验目的：根据样本数据对两个样本来自的两个独立总体的均值是否有显著差异进行判断。二、需要满足的条件：1、随机抽样，所有观测应该是随机的从目标总体中抽出。2、正态分布，每个样本来自的总体必须满足正态分布。3、方差齐性，均数比较时，要求两总体方差相等。

0.0000

0

3

0

关注作者

收藏

赵娜0418

泛化误差的估计有哪些？

泛化误差的估计有哪些？答：（1）乐观估计（决策树归纳算法简单的选择产生最低训练误差的模型作为最终的模型）（2）悲观误差估计（使用训练误差与模型复杂度罚项的和计算泛化误差）（3）最小描述长度原则（模型编码的开销加上误分类记录编码的开销）（4）估计统计上界（泛化误差可以用训练误差的统计修正来估计，因为泛化误差倾向于比训练误差大，所以统计修正通常是计算训练误差的上界）（4）使用确认集（如2/3的训练集

0.7194

2

0

0

关注作者

收藏

赵娜0418

造成过拟合的原因是什么？

造成过拟合的原因是什么？答：造成原因有：（1）噪声造成的过分拟合（因为它拟合了误标记的训练记录，导致了对检验集中记录的误分类）；（2）根据少量训练记录做出分类决策的模型也容易受过分拟合的影响。（由于训练数据缺乏具有代表性的样本，在没有多少训练记录的情况下，学习算法仍然继续细化模型就会产生这样的模型，当决策树的叶节点没有足够的代表性样本时，很可能做出错误的预测）（3）多重比较也可能会导致过分拟合（

0.8933

2

3

0

关注作者

收藏

大魔王泛泛

如何创建RDD？

创建RDD有三种方式：1、可以从一个Scala集合里面创建： sc.parallelize(data)：把data这个数据并行化分片到节点 sc.makeRDD(data)：把data这个数据并行化分片到节点，它的实现就是parallelize sc.makeRDD(data[(T,seq)])：这种方式可以指定RDD的存放位置2、根据外部数据源来创建，如sc

0.0000

0

2

0

关注作者

收藏

大魔王泛泛

简述Spark中的RDD

RDD（Resilient Distributed Dataset）：弹性分布式数据集它有几种特性：1. RDD有不可变性 2. RDD是可分区的 3. RDD是弹性的：弹性表现在存储的灵活性、可容错性、分层计算、可调整数据的分布情况

0.0000

0

4

0

关注作者

收藏

大魔王泛泛

在scala中什么是颗粒化操作

将原来接收两个参数的一个函数转换成2个这就是颗粒化操作def sum(a: Int, b: Int) = a bprintln(sum(2,3))def sum1(a: Int)(b: Int) = a bprintln(sum1(2)(3))

0.0000

0

0

0

关注作者

收藏

田齐齐

假设检验里面如何确定t的临界值？

假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是:根据问题的需要对所研究的总体作某种假设，记作H0;选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知;由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u-检验法、t检验法、χ2检验

0.0000

0

0

0

关注作者

收藏

大魔王泛泛

scala中模式匹配有哪些类型

1. 基本数据类型模式匹配2. Array 模式匹配3. List 模式匹配4. case class 模式匹配5. Some

0.0000

0

5

0

关注作者

收藏

田齐齐

同一工作簿多表怎么合并？

前提：一维表结构；列字段相同；无合并单元格Alt D，松开按P进入数据透视表图向导界面，1.勾选“多重合并计算区域”，“数据透视表”，下一步2，勾选“自定义页字段”，下一步3.选择要合并的区域，页字段数目为1，下一步4.选择数据透视表放的位置可以任意操作了

2.8822

1

4

0

关注作者

收藏

田齐齐

电商如何精细化运营？

要想实现精细化运营，数据是必不可少的一个环节。电商网站要提高运营效率，至少需要五大关键指标：活跃用户量、转化率、留存、复购和 GMV 。 1）活跃用户量是一个基本的指标，有 DAU（日活跃用户）、WAU（周活跃用户）和 MAU（月活跃用户）三个层次； 2）转化是一个非常重要的指标，电商运营需要关注主路径、次路径甚至精细到每一个品类 / SKU 的转化率； 3）留存要从不同的时间周期上研究，包

0.0000

0

1

0

关注作者

收藏

<1…238239240…404>

CDA考试动态

CDA报考指南