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

啊啊啊啊啊吖

长度不等的向量怎么相加

比如，1：42：74：102：87：12五个向量相加，长度不够的按0算。怎么求？有下面这个方法长度不等的向量相加a=1:2b=1:3c=c(a,rep(0,length(b)-length(a)))+bc但是向量比较多的话这么算很烦。有其他号方法吗？library(dplyr)vecList

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

Rstudio崩溃问题的解决

r encountered a fatal error. the session was terminated小伙伴们，我今天在处理数据的时候，rstudio突然间就奔溃了。再次打开的时候，rstudio无法操作！！出现如下图的初始界面！！a我使用的电脑是： macBook pro(retina, 13-inch, early 2015);rstudio是： RStud

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

R里如何按照条件删除行

按“ID”列，若某一值出现次数小于3，则该值对应的行全部删除（如ID=2，出现1次，不满足条件，该行删除；ID=1出现3次，满足条件，所有行保留）应该用什么函数？怎么编呢？数据如下：F1 Poi X1 X30 IDS2 1 35 190 1S5 4

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

【问题求助】似然比检验在混合模型中怎么求

求问~~~在拟合混合模型中，得到的结果是输入summary（）后，得到了"Linear mixed-effects model fit by REMLData: zrxs.mixed AIC BIC logLik -342.2206 -296.9215 182.1103Random effects:Formula: ~1 | group

0.0000

0

1

0

关注作者

收藏

詹惠儿

怎么检索网页？

检索网页该make_soup函数向目标url发出GET请求，并将生成的HTML转换为BeautifulSoup对象：该urllib3库具有出色的异常处理能力; 如果make_soup抛出任何错误，请查看urllib3文档以获取详细信息。Beautiful Soup有不同的解析器，对网页的结构或多或少都很严格。该LXML解析器就足够了本指南中的示例脚本。

0.0000

0

2

0

关注作者

收藏

詹惠儿

怎么搭建Web Scraper？

必需的模块在BeautifulSoup从类bs4将处理网页的解析。该datetime模块提供日期操作。Tinydb为NoSQL数据库提供API，该urllib3模块用于发出http请求。最后，xlsxwriterAPI用于创建Excel电子表格。craigslist.py在文本编辑器中打开并添加必要的import语句：添加全局变量在import语句之后，添加全局变量和配置选项：

0.0000

0

3

0

关注作者

收藏

詹惠儿

安装beautifulsoup要注意什么？

安装Python 下载并安装Miniconda：curl -OL https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh 在安装过程中，系统会多次提示您。查看条款和条件，并为每个提示选择“是”。重新启动shell会话以使PATH

0.0000

0

0

0

关注作者

收藏

zxq997

python怎么生成哑变量

通过 get_dummies 方法可以将字符串转为哑变量，sep 参数是指定哑变量之间的分隔符。初中, 高中 , 大学0, 1, 2 A, B, AB, O是否A型是否B型 AB O1号: 0 0 1 2号: 0 1 0 3号: 0 0 1 4号: 1

0.0000

0

4

0

关注作者

收藏

zxq997

K最邻近算法实例的去量纲

通过欧式距离计算出点与点的远近，圆点代表待分类的点，方点与三角点代表训练数据中已经分好成两类的数据。可以看出，在指定的半径1中，三角点个数比方点个数多一个，K最邻近算法会将圆点分成三角点一类，在指定半径2中，方点比三角点多一个，所以K最邻近算法会将圆点分成方点一类。K最近邻算法的使用会存在一些假设。首先假设在相同类型中的客户拥有同样的行为，其次假设需要判别的点会做与其邻居相同的事情。如果这

0.0000

0

0

0

关注作者

收藏

zxq997

1996年由SPSS和NCR等提出了一个数据挖掘跨行业标准过程，即CRISP-DM方法论(cross-industry process for data mining)。将数据挖掘项目生命周期分为6个阶段，它们分别是业务理解、数据理解、数据准备、建模、模型评估和模型发布。上图呈现了通用数据挖掘方法论(CRISP-DM)流程的6个阶段。下面简短地介绍了每个阶段的要点。(1)业务理解该初始

0.0000

0

0

0

关注作者

收藏

zxq997

知识发现KDD

与数据挖掘一个相近的词为数据库的知识发现KDD(Knowledge Discovery from Database)。知识发现过程如下：(1) 数据清理消除噪声和不一致的数据(2) 数据集成多种数据源可以组合在一起(3) 数据选择从数据库中提取与分析任务相关的数据(4) 数据变换通过汇总或聚集操作，把数据变换和统一成适合挖掘的形式(5) 数据挖掘基

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

数据挖掘方法论（CRISP-DM）流程的6个阶段

（1）业务理解Business understanding该初始阶段集中在从商业角度理解项目的目标和要求，通过理论分析转化为数据挖掘可操作的问题，制定实现目标的初步计划。（2）数据理解Data understanding数据理解阶段开始于原始数据的收集，然后是熟悉数据、标明数据质量问题、探索对数据的初步理解、发觉有趣的子集以形成对探索关系的假设。（3）数据准备Data preparatio

0.0000

0

4

0

关注作者

收藏

詹惠儿

推荐算法有哪些评估指标?

可以使用不同类型的测量来评估推荐算法的质量，所述测量可以是准确度或覆盖率。使用的度量类型取决于过滤技术的类型。准确度是总可能建议中正确建议的一小部分，而覆盖率则衡量系统能够为其提供建议的搜索空间中的对象比例。用于测量推荐过滤系统准确性的度量标准分为统计和决策支持准确度度量。每个指标的适用性取决于数据集的特征和推荐系统将执行的任务类型。统计准确度度量通过直接将预测的评级与实际用户

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

（3）抽样抽样也是一种数据规约技术，它用比原始数据小得多的随机样本（子集）表示原始数据集。假定原始数据集D包含N个元组，可以采用抽样方法对D进行抽样。下面介绍常用的抽样方法。在R中，抽样可以通过函数sample（N， s， replace=T/F）实现，实际中相当于先从1~N，共N个自然数中抽取s个，然后将抽到的s个自然数作为数据框中观测的行位置进行目标元组的调出

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

主成份分析计算步骤

1）设原始变量X1， X2， …XP的n次观测数据矩阵为： 2）将数据矩阵按列进行中心标准化。为了方便，将标准化后的数据矩阵仍然记为X。3）求相关系数矩阵R， R=（rij） p×p， rij的定义为： 4）求R的特征方程det（R-λE） =0的特征根λ1≥λ2≥…λp≥0。5）确定主成分个数， α根据实际问题确定，一般取80%。6）计算m个相应的单位特征

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

小波变换特征提取

#数据生成，信号模拟N=1024； k=6 #参数赋值x=（（1： N） - N/2 ） * 2 * pi * k / Ny=ifelse（x>0， sin（x）， sin（3*x）） #划分低频波动段和高频波动段signal=y rnorm（N） /10 #添加扰动项，生成信号变量#调用函数包library（waveslim）#对信号进行小波分解d=dwt（signal

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

常用的离散化方法

常用的离散化方法有等宽法、等频法和（一维）聚类。（1）等宽法该法将属性的值域分成具有相同宽度的区间，区间的个数由数据本身的特点决定，或者由用户指定，类似于制作频率分布表。（2）等频法该法将相同数量的记录放进每个区间。这两种方法简单，易于操作，但都需要人为地规定划分区间的个数。同时，等宽法的缺点在于它对离群点比较敏感，倾向于不均匀地把属性值分布到各个区间。有

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

实体识别是从不同数据源识别出现实世界的实体，它的任务是统一不同源数据的矛盾之处，常见的矛盾有如下几个。（1）同名异义数据源A中的属性ID和数据源B中的属性ID分别描述的是菜品编号和订单编号，即描述的是不同的实体。（2）异名同义数据源A中的sales_dt和数据源B中的sales_date都是描述销售日期的，即A.sales_dt=B.sales_date。（3）

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

异常值处理

在异常值处理之前需要对异常值进行识别，一般多采用单变量散点图或是箱形图来达到目的。在R中，使用函数dotchart（）、 boxplot（）实现绘制单变量散点图与箱形图。异常值产生最常见的原因是人为输入的错误，如小数点输入错误，会把123.00g变成12300g。在数据预处理时，异常值是否剔除，需视具体情况而定，因为有些异常值可能蕴含着有用的信息。将含有异常值的记

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

用均值替换、回归插补及多重插补进行插补

##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter4/示例程序"）#读取销售数据文件，提取标题行inputfile=read.csv（'./data/catering_sale.csv'， he=T）#变换变量名inputfile=data.frame（sales=inputfile$'销量'， dat

0.0000

0

3

0

关注作者

收藏

<1…364365366…404>

CDA考试动态

CDA报考指南