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

dreamhappy2012

SQL使用视图的优点有哪些

视图是为了查询方便，也就是多个表的总结，但是不能对视图增删改。在做数据库开发中使用视图的优点有：1.视图的好处就是在你做复杂的查询逻辑时可以简化你的思考过程。2.用视图可以隐藏一定的信息，用过滤后查询出来的数据集组成视图可以访问表中的子集，可以访问表中行的子集。3.可以重命名列名。在表中有些列名定义没有代表意义，如列“abc”，为了让用户看到列名就可以知该列是什么数据，可以

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

利用稀疏logistics回归进行特征选择

Linear models 使用 L1 正则化的线性模型会得到稀疏解：他们的许多系数为 0。当目标是降低使用另一个分类器的数据集的维度，它们可以与 feature_selection.SelectFromModel 一起使用来选择非零系数。特别的，可以用于此目的的稀疏评估器有用于回归的 linear_model.Lasso , 以及用于分类的 linear_model.LogisticRegr

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

用贝叶斯回归来解决回归问题

>>> from sklearn import linear_model>>> X = [[0., 0.], [1., 1.], [2., 2.], [3., 3.]]>>> Y = [0., 1., 2., 3.]>>> reg = linear_model.BayesianRidge()>>> reg.fit(X, Y)BayesianRidge(alpha_1=1e-06, alp

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

对于随机梯度下降来说，我们只需要单次预测对应的平方误差：def error(x_i, y_i, beta):return y_i - predict(x_i, beta)def squared_error(x_i, y_i, beta):return error(x_i, y_i, beta) ** 2如果你熟悉微积分，可以通过下面的方式进行计算：def squared_error_

0.0000

0

2

0

关注作者

收藏

詹惠儿

python怎么符号化？

给定一个字符序列和一个定义的文档单元，标记化是将其切成碎片的任务，称为令牌，也许同时丢掉某些字符，如标点符号。以下是标记化的示例：这些令牌通常被宽泛地称为术语或单词，但有时制作类型/令牌很重要区别。一个代币是一些特定文档中的字符序列的实例，它们被组合在一起作为用于处理的有用语义单元。一个type是包含相同字符序列的所有标记的类。一个term是包含在IR系统字典中的（可能是规范化的）类型

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

matplotlib绘图之画散点图

常用的图形除了线形图，还有散点图，这种图形不由线段连接，而是由独立的点、圆圈或其他形状构成。其中可以用plt.plot与plt.scatter两种方法画散点图。下列为plt.plot绘图%matplotlib inlineimport matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npplt.style.

0.0000

0

2

0

关注作者

收藏

詹惠儿

爬虫怎么连接服务器？

假设Web有40亿个页面，每个页面都有10个指向其他页面的链接。在最简单的形式中，我们需要32位或4个字节来指定每个链接的每个末端（源和目标），总共需要 a（250）内存字节。可以利用Web图的一些基本属性在10％的内存要求下使用。乍一看，我们似乎有一个数据压缩问题 - 适用于各种标准解决方案。但是，我们的目标不是简单地压缩Web图形以适应内存;我们必须以有效支持连接查询的方式这样做

0.0000

0

2

0

关注作者

收藏

詹惠儿

DNS解析是什么？

每个Web服务器（实际上连接到Internet的任何主机）都具有唯一性IP地址以文本形式，将其转换成一个IP地址（在这种情况下，207.142.131.248）是公知的作为一个过程DNS解析或DNS查找;这里DNS代表域名服务。在DNS解析期间，希望执行此转换的程序（在我们的示例中，是Web爬网程序的一个组件）与a联系返回已转换IP地址的DNS服务器。（实际上，整个翻译可能不会发生在单

0.0000

0

2

0

关注作者

收藏

zxq997

数据中存在着错误或异常(偏离期望值)的数据，称为【噪音数据】。这些数据对数据的分析造成了干扰。处理噪音的方法：1 分箱法：将待处理的数据按照一定的规则放入箱子中，考察每一个箱子中的数据，根据各个箱子的情况采取方法进行数据处理。-分箱方法：· 等深分箱法：按记录行数分箱，每箱具有相同的记录数· 等宽分箱法：每个箱的区间范围是一个常量，根据区间范围分箱· 用户自定义区间· 最小熵：使

0.0000

0

2

0

关注作者

收藏

zxq997

处理异常值的方法

1 不处理：若算法对异常值不敏感，则可以不处理；算法对异常值敏感，如kmeans，knn之类的一些基于距离计算的一些算法，则最好不要用这种方法。2 平均值替代：利用平均值来代替异常值，损失信息小，简单高效。3 视为缺失值：将异常值视为缺失值来处理，采用处理缺失值的方法来处理异常值。

0.0000

0

3

0

关注作者

收藏

zxq997

缺失值的补全办法

粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断被称为【缺失值】。它指的是现有数据集中某个或某些属性的值是不完全的。处理缺失值的方法有：1 直接删除：适用于样本较大的情况，样本较小时，可能会影响最终的分析结果。2 估算：数据均匀，均值法填充；数据分布倾斜，中位数填充；根据数据的分布情况，可以采用均值、中位数、或者众数进行数据填充3 插补法：·随机插补法：从总体中随机抽取某几

0.0000

0

1

0

关注作者

收藏

詹惠儿

BeautifulSoup将数据写入Excel电子表格

该make_excel函数获取数据库中的数据并将其写入Excel电子表格。 1.添加电子表格变量：该标题变量是冠军在电子表格中列的列表。该行变量跟踪当前电子表格行。2.使用xlswriter打开工作簿，并添加一个工作表来接收数据。 3. 准备工作表：前两项在set_column方法中始终相同。这是因为它正在设置从第一个指示列到下一个列的一部分列的属性。最后一个值是以字

0.0000

0

1

0

关注作者

收藏

zxq997

不使用任何循环，构造一个列表

import itertoolstest = [[-1, -2], [30, 40], [25, 35]]print(list(itertools.chain.from_iterable(test)))#-> [-1, -2, 30, 40, 25, 35]如果输入列表中有嵌入的列表或元组作为元素，那么就使用下面这种方法，不过也有个局限，它使用了 for 循环：def unifyl

0.0000

0

1

0

关注作者

收藏

zxq997

从两个相关序列中创建一个字典

t1 = (1, 2, 3)t2 = (10, 20, 30)print(dict (zip(t1,t2)))#-> {1: 10, 2: 20, 3: 30}

0.0000

0

3

0

关注作者

收藏

zxq997

使用_slots_减少内存消耗

不知道你是否注意过你的 Python 程序会占用很多资源，特别是内存？这里分享给你一个技巧，使用类变量来减少程序的内存消耗。import sysclass FileSystem(object): def __init__(self, files, folders, devices): self.files = files self.folders = fo

0.0000

0

2

0

关注作者

收藏

zxq997

检查一个对象的内存使用

在 Python 2.7 中，一个 32-bit 的整数值会占用 24 字节，而在 Python 3.5 中会占用 28 字节。我们可以调用方法来验证内存使用。在 Python 2.7 中：import sysx=1print(sys.getsizeof(x))#-> 24在 Python 3.5 中：import sysx=1print(sys.ge

0.0000

0

0

0

关注作者

收藏

zxq997

找到一个列表中的出现最频繁的值

test = [1,2,3,4,2,2,3,1,4,4,4]print(max(set(test), key=test.count))#-> 4

0.0000

0

2

0

关注作者

收藏

zxq997

一行代码计算任何数字的阶乘

# Python 2.X result = (lambda k: reduce(int.__mul__, range(1,k 1),1))(3)print(result)#-> 6# Python 3.X import functoolsresult = (lambda k: functools.reduce(int.__mul__, range(1,k 1),1))(3)prin

0.0000

0

4

0

关注作者

收藏

zxq997

使用字典来存储表达式

stdcalc = { 'sum': lambda x, y: x y, 'subtract': lambda x, y: x - y}print(stdcalc['sum'](9,3))print(stdcalc['subtract'](9,3))#1-> 12#2-> 6

0.0000

0

3

0

关注作者

收藏

zxq997

使用*运算符解压缩函数参数

*运算符提供了一种很艺术的方式来解压缩参数列表，参看如下示例：def test(x, y, z): print(x, y, z)testDict = {'x': 1, 'y': 2, 'z': 3} testList = [10, 20, 30]test(*testDict)test(**testDict)test(*testList)#1-> x y z#2-> 1 2

0.0000

0

1

0

关注作者

收藏

<1…361362363…404>

CDA考试动态

CDA报考指南