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

中位数的一个泛化概念是分位数（quantile），它表示少于数据中特定百分比的一个值。（中位数表示少于 50% 的数据的一个值。 )def quantile(x, p):"""returns the pth-percentile value in x"""p_index = int(p * len(x))return sorted(x)[p_index]quantile(num_fr

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

最近邻算法的选择

对于给定数据集，K近邻的最优算法选择（algorithm）取决于多个因素：样本数量N 和维度D：brute force 查询时间以O[DN]增长。ball tree 查询时间大约以O[Dlog(N)]增长。k-d tree 的查询时间变化是很难精确描述的，对于较小的D(小于20)的成本大约是O[Dlog(N)]，并且 k-d tree 更加有效。对于较大的D成本的增加接近O[DN]，由于

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

Python实现描述性统计-均值

常用的方法是使用均值（mean 或average），即用数据和除以数据个数：# 如果没有从__future__导入division，那就是不对的def mean(x):return sum(x) / len(x)mean(num_friends) # 7.333333如果你有两个数据点，均值就意味着两点的中间点。随着数据集中点数的增加，均值点会移动，但它始终取决于每个点的取值。我

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

怎么用Python画散点图

散点图是显示成对数据集的可视化关系的好选择。比如显示了你的用户们已有的朋友数和他们每天花在网站上的分钟数之间的关系：friends = [ 70, 65, 72, 63, 71, 64, 60, 64, 67]minutes = [175, 170, 205, 120, 220, 130, 105, 145, 190]labels = ['a', 'b', 'c', 'd', 'e', '

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

过拟合和欠拟合

在机器学习中，一种常见的困境是过拟合（overfitting）——指一个在训练数据上表现良好，但对任何新数据的泛化能力却很差的模型。这可能牵扯到对数据中噪声的学习，也可能涉及学习识别特别的输入，而不是对可以得到期望的输出进行准确预测的任何因素。另一种有害的情况是欠拟合（underfitting），它产生的模型甚至在训练数据上都没有好的表现，尽管通常这暗示你模型不够好而要继续寻找改进的模型

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何评估Logistic回归模型的拟合度和准确度？

在线性回归中，我们检查调整后的R²，F统计量，MAE和RMSE，以评估模型拟合度和准确度。但是，Logistic回归采用了所有不同的指标集。在这里，我们处理概率和分类值，以下是用于Logistic回归的评估指标：1. Akaike信息标准（AIC）您可以将AIC视为多元回归中调整后的r square的对应物。这是模型拟合的重要指标。它遵循以下规则：越小越好。 AIC惩罚模型中越来越多

0.0000

0

4

0

关注作者

收藏

詹惠儿

Logistic回归技术主要有哪些类型？

Logistic回归不仅限于解决二元分类问题。为了解决具有多个类的问题，我们可以使用Logistic回归的扩展，其包括多项Logistic回归和Ordinal Logistic回归。让我们来看一下他们的基本想法：1.多项Logistic回归：假设我们的目标变量有K = 4类。该技术通过拟合K-1独立二元逻辑分类器模型来处理多类问题。为此，它随机选择一个目标类作为参考类，并适合K-1回归

0.0000

0

2

0

关注作者

收藏

詹惠儿

阐述随机森林原理

先回顾一下决策树原理：1.给定数据框（nxp），树基于规则（if-else）对数据进行分层或分区。是的，一棵树创造了规则。这些规则将数据集划分为不同的和不重叠的区域。这些规则由变量对所得子节点（X2，X3）的均匀性或纯度的贡献来确定。2.变量X1导致子节点中的最高同质性，因此它成为根节点。根节点处的变量也被视为数据集中最重要的变量。3，但这种同质性或纯度如何确定？换句话说，树如何决

0.0000

0

2

0

关注作者

收藏

詹惠儿

阐述随机森林算法及定义

什么是随机森林算法？随机森林是一种基于树的算法，它涉及构建多个树（决策树），然后组合它们的输出以提高模型的泛化能力。组合树的方法称为集合方法。集合只不过是弱学习者（个体树）的组合，以产生强大的学习者。比如说，你想看电影。但你不确定它的评论。你问10个看过这部电影的人。其中8人说“这部电影很精彩”。由于大多数人都赞成，你决定观看这部电影。这也是我们在日常生活中使用合奏技巧的方式。

0.0000

0

0

0

关注作者

收藏

詹惠儿

决策树中要解决的问题（二）

选择属性的替代措施 ID3算法使用的信息增益公式将所有变量视为相同，无论其分布及其重要性如何。当涉及具有许多可能值的连续变量或离散变量时，这是一个问题，因为对于每个可能的值，训练示例可能很少且很远，这导致由于将数据分成小的子集而导致低熵和高信息增益但是导致决策树可能无法很好地概括。避免这种情况的一种方法是使用其他一些措施来找到最佳属性而不是信息增益。信息增益的另一种衡量方

0.0000

0

4

0

关注作者

收藏

詹惠儿

决策树中要解决的问题（一）

决策树虽然理解起来简单，操作也不难，但有3个一定要注意的问题。一. 避免过度拟合由于ID3算法继续拆分属性，直到它对所有数据点进行分类或者没有更多属性要进行拆分。结果，通过以相对于整个数据分布的准确性为代价在训练数据上执行得非常好，易于创建过度拟合的决策树。通常，有两种方法可以在决策树中避免这种情况： - 允许树生长直到它过度生长然后修剪它。 - 在完全分类训练数据之前，通过停止树来防止树

0.0000

0

1

0

关注作者

收藏

詹惠儿

决策树中的学习算法

决策树中使用的基本算法称为ID3（通过Quinlan）算法。 ID3算法使用自上而下的贪婪方法构建决策树。简而言之，该算法的步骤如下： - 选择最佳属性→A - 分配A作为NODE的决策属性（测试用例）。 - 对于A的每个值，创建NODE的新后代。 - 将训练示例排序到适当的后代节点叶。 - 如果示例完全分类，则STOP else迭代新的叶节点。决策树中一个重要问题是如何选择最佳属性。对

0.0000

0

4

0

关注作者

收藏

詹惠儿

决策树在机器学习和数据挖掘中的运用

决策树还可用于帮助构建自动预测模型，其在机器学习，数据挖掘和统计中具有应用。这种方法称为决策树学习，它考虑了有关项目的预测，以预测该项目的价值。在这些决策树中，节点代表数据而不是决策。这种类型的树也称为分类树。每个分支包含一组属性或分类规则，这些属性或分类规则与特定类标签相关联，该标签位于分支的末尾。这些规则也称为决策规则，可以用if-then子句表示，每个决策或数据值构成一个子句，例如

0.0000

0

1

0

关注作者

收藏

詹惠儿

如何进行决策树的绘制？

要绘制决策树，首先选择一个媒介。您可以在纸上或白板上手工绘制，也可以使用特殊的决策树软件。在任何一种情况下，以下是要遵循的步骤：1. 从主要决定开始。绘制一个小方框来表示此点，然后从每个可能的解决方案或操作的框中向右绘制一条线。相应地标记它们。 a2. 添加机会和决策节点以展开树，如下所示：如果需要做出其他决定，请绘制另一个框。如果结果不确定，请绘制一个圆圈（圆圈代

0.0000

0

3

0

关注作者

收藏

wangjuju123

字典方法-item

方法items返回一个包含所有字典项的列表，其中每个元素都为(key, value)的形式。字典项在列表中的排列顺序不确定。 >>> d = {'title': 'Python Web Site', 'url': 'http://www.python.org', 'spam': 0} >>> d.items() dict_items([('url', 'http://www.python.

0.0000

0

5

0

关注作者

收藏

zxq997

抽样的多种组织形式

1.简单随机抽样（simple random sampling, srs）的定义是：任何样本数为n的样本组合中选的机率都是相等的。2.等距抽样（systematic sampling）也有人称它为系统抽样。是先把全体总数N除以样本数n，得到K，也就是每间隔K个抽一个，再用随机数表自1到K选一个随机数R，则R，R＋K，R＋2K，......，R＋（n－1）K等号码中选。3.分层随机抽样（stra

0.0000

0

6

0

关注作者

收藏

zxq997

什么是玫瑰图？

玫瑰图又称为南丁格尔玫瑰图。南丁格尔（Floarence Nightinggale），英国护士和统计学家。1883年，南丁格尔撰写影响英国军队健康，效率和医院管理的资料中，她创造了一个非凡的原创图形展示方式，这张图显示了人们在1854年7月至次年年底期间死亡的情况。南丁格尔玫瑰图类似于饼图的变形，它可以用转角、扇形面积、以及颜色展现数据的不同维度。

0.0000

0

0

0

关注作者

收藏

詹惠儿

pandas中的groupby如何过滤最多3个计数

数据：以下创建了一个包含200000行的示例数据框，：df = pd.DataFrame()df ['Team'] = ['A1','A1','A1','A2','A2','A2','B1','B1','B1','B2','B2','B2']df ['Competition'] = ['L1','L1','L1','L1','L1','L1','L2','L2','L2','L2','L2

0.0000

0

6

0

关注作者

收藏

詹惠儿

python导入WordCloud包报错

错误：在anaconda python 3.5中输入命令安装wordcloud软件包：python -m pip install D:\folder\wordcloud-1.5.0-cp35-cp35m-win_amd64.whl 显示已安装成功。但是当我尝试输入命令导入时from wordcloud import WordCloud,STOPWORDS，收到报错信息：a想要找到错误的

0.0000

0

2

0

关注作者

收藏

wangjuju123

将字符串格式设置功能用于字典

可使用字符串格式设置功能来设置值的格式，这些值是作为命名或非命名参数提供给方法format的。在有些情况下，通过在字典中存储一系列命名的值，可让格式设置更容易些。例如，可在字典中包含各种信息，这样只需在格式字符串中提取所需的信息即可。为此，必须使用format_map来指出你将通过一个映射来提供所需的信息。 >>> phonebook {'Beth': '9102', 'Alice':

0.0000

0

2

0

关注作者

收藏

<1…370371372…404>

CDA考试动态

CDA报考指南