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

PGC123

dataframe map函数应用

map是pandas中一个重要的函数，map()主要是作用将函数作用于一个Series的每一个元素，具体用法如下所示：import numpy as npimport pandas as pddf = pd.DataFrame(np.random.randn(3,4),columns=list('abcd'),index=list('ABC'))df df.a.map(lambda

0.0000

0

4

0

关注作者

收藏

阿抽哥哥

列表、字典与numpy、pandas数据类型间转换关系为何？

首先介绍下数据类型：列表：list是Python的数据类型字典：dict是Python的数据类型numpy：ndarray是numpy的数据类型pandas：series与dataframe是pandas的数据类型接下来以代码形式做介绍：from IPython.core.interactiveshell import InteractiveShellInteractiveShel

114.3933

1

4

0

关注作者

收藏

啊啊啊啊啊吖

齐全！关于R学习的书籍推荐

1.初级入门《An Introduction to R》，这是官方的入门小册子。其有中文版，由丁国徽翻译，译名为《R导论》。《R4Beginners》，这本小册子有中文版应该叫《R入门》。除此之外，还可以去读刘思喆的《153分钟学会R》。这本书收集了R初学者提问频率最高的153个问题。为什么叫153分钟呢？因为最初作者写了153个问题，阅读一个问题花费1分钟时间，全局下来也就是153分钟了。有了

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

ma模型的预测公式问题

fit=arima(LakeHuron,order=c(0,0,2))fitpredict(fit,n.ahead=2)ma(2)模型的预测值是如何计算得出的？原始序列的最后三个值是：x(1970)=579.31x(1971)=579.89x(1972)=579.96我们要看模型残差。> x x[98]*1.0174 x[97]*0.5

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

LDA主题模型分析学习分享

最近在学习关于LDA模型的知识，做一些细粒度观点挖掘。在学习过程中发现原来R中还有一个专门的LDA包。我用LDA为两个文本文档建立了一个主题模型，分别是a和B。文档a与计算机科学高度相关，文档B与地球科学高度相关。然后我用这个命令训练lda。text

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

数据挖掘，你该明白的这几点

商业和生活中，我们处处能够看到数据挖掘的影子：Target 百货分析16岁的少女买无香型沐浴露之后，判断她怀孕了；语言学家通过记录自己孩子出生到3岁每天每秒钟的状态数据，发现语言记忆和周遭环境相关性更大；调查局通过数据分析和挖掘发现改善公共环境有助于降低犯罪率。今天我们将从以下几个方面来揭开数据挖掘的神秘面纱。数据挖掘涉及的学科？a首先我们可以看出，数据分析与挖掘位于中间，

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

商业分析，我用R

商业智能时代已经全面到来，分析型人才的岗位数量在就业市场中呈现井喷式的增长。无论从事产品研发的工程师，还是从事产品推广的市场人员、人力资源的财务会计人员，都需要掌握数据分析技术，否则很有可能被人工智能时代替代。“工欲善其事，必先利其器”。当前，R和Python等开源软件方兴未艾，但是这类软件学习曲线缓慢，使很多初学者的热情在进入数据分析的核心领域之前就消失殆尽。而商业数据分析的真正目的是为了解

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

power！用R做动态词云图

Echarts是由百度开发的一款免费、强大的图表生成和可视化库，使其可以方便地对数据进行展示、交互和定制。Recharts是基于Echarts开发的R版本，由Yang Zhou和Taiyun Wei开发，通过该包的echartR函数可以完成很多可视化的任务，图表美观且有动态效果，是一款优秀的数据可视化产品。以下是Recharts绘图的知识地图（基本图形）：a百闻不如一见，今天我们使用一则

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

选择R做数据分析的几点理由

刚开始学习数据科学的人都会面对同一个问题：我该选择先学习哪种编程语言。不仅仅是编程语言，像SPSS、Modeler、WEKA等软件系统也是同样的情况。有越来越多的工具和编程语言，很难知道该选择哪一种。事实是，你的时间有限。学习一门新的编程语言相当于一项巨大的投资，因此在选择语言时需要有战略性。实际上这个问题没有标准答案，也没有万能的语言可以完成所有的工作，当你入门在入门选择语言时，你需要

0.0000

0

0

0

关注作者

收藏

wangjuju123

随机森林优点和注意点

随机森林算法的注意点：1、在构建决策树的过程中是不需要剪枝的。 2、整个森林的树的数量和每棵树的特征需要人为进行设定。 3、构建决策树的时候分裂节点的选择是依据最小基尼系数的。随机森林有很多的优点：a. 在数据集上表现良好，两个随机性的引入，使得随机森林不容易陷入过拟合。b. 在当前的很多数据集上，相对其他算法有着很大的优势，两个随机性的引入，使得随机森林具有很好的抗噪声

0.0000

0

3

0

关注作者

收藏

wangjuju123

bagging方法bootstrap aggregating的缩写，采用的是随机有放回的选择训练数据然后构造分类器，最后组合。这里以随机森林为例进行讲解。随机森林算法概述随机森林算法是上世纪八十年代Breiman等人提出来的，其基本思想就是构造很多棵决策树，形成一个森林，然后用这些决策树共同决策输出类别是什么。随机森林算法及在构建单一决策树的基础上的，同时是单一决策树算法的延伸和改进。在整

0.0000

0

1

0

关注作者

收藏

wangjuju123

Adaboost是boosting中较为代表的算法，基本思想是通过训练数据的分布构造一个分类器，然后通过误差率求出这个若弱分类器的权重，通过更新训练数据的分布，迭代进行，直到达到迭代次数或者损失函数小于某一阈值。Adaboost的算法流程：假设训练数据集为T={(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),(X5,Y5)} 其中Yi={-1,1}1、初始化训练数据的分

0.0000

0

2

0

关注作者

收藏

wangjuju123

集成学习概述

1.1 集成学习概述集成学习在机器学习算法中具有较高的准去率，不足之处就是模型的训练过程可能比较复杂，效率不是很高。目前接触较多的集成学习主要有2种：基于Boosting的和基于Bagging，前者的代表算法有Adaboost、GBDT、XGBOOST、后者的代表算法主要是随机森林。1.2 集成学习的主要思想集成学习的主要思想是利用一定的手段学习出多个分类器，而且这多个分类器要求是弱分

0.0000

0

1

0

关注作者

收藏

wangjuju123

集成算法——Adaboost代码

集成算法是我们将不同的分类器组合起来，而这种组合结果就被称为集成方法或者是元算法。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同意算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。两种形式：bagging方法：从原始数据集选择S次后得到S个新数据集，之后将某个学习算法分别作用于数据集，就得到了S个分类器，在对新的数据集进行分类时，使用这些分类器进行分类

0.0000

0

2

0

关注作者

收藏

wangjuju123

小海龟画圆

import turtle #import是一个关键字，用来引入一些外部库，这里的含义是引入一个名字叫turtle的函数库turtle.setup(800,600)#窗口的大小 turtle.shape("turtle")#形状是一个海龟除了画海龟还可以画箭头，圆圈等等 turtle.color("red")#颜色是红色 turtle.speed(1)#画笔速度 turtle.pensi

0.0000

0

4

0

关注作者

收藏

PGC123

numpy在计算时如何跳过nan值？

numpy.ndarray 在求mean，max，min的时候如何忽略跳过nan值？我们在对一个python numpy数组求均值或最大值的时候，如果这个数组里包含nan，那么程序就会报错或者求出来的值是nan，如下所示import numpy as npIn [1]: import numpy as npIn [2]: test = np.array([3,5,4,7,np.na

0.0000

0

1

0

关注作者

收藏

wangjuju123

用python绘制太阳花

import turtle #import是一个关键字，用来引入一些外部库，这里的含义是引入一个名字叫turtle的函数库turtle.setup(800,600)#窗口的大小turtle.shape("turtle")turtle.begin_fill()#填充图形前，调用该方法turtle.color('red','yellow')#颜色是橙色turtle.speed(8)#画笔速度

0.0000

0

5

0

关注作者

收藏

wangjuju123

为什么我的画布设置不起作用？

一、问题描述使用python中绘图包matplotlib.pyplot绘图时发现我们对画布设置的参数对图中所画的数据图不起作用，这是为什么呢？下面是我们绘图的代码：imp0.plot(kind='bar', title='Feature Importances')plt.figure(figsize=(15,3), dpi=100)plt.ylabel('Feature Importan

0.0000

0

1

0

关注作者

收藏

PGC123

iloc索引不能增加行？

在pandas中基于位置索引有两种方式 loc 和 iloc,其中loc 是使用显示索引来定位数据的，所谓的显示索引即为我们给行标签列标签起的名字。iloc使用的是隐式索引定位标签，隐式索引为行列默认的索引值都是从零开始递增的[0,1,2,3,4.......]因为iloc使用的是隐式索引，这样增加行的时候无法增加显示的index值所以无法用他添加行或列。

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

如何进行特征选择

特征选择是一个重要的数据预处理过程，主要有两个原因：一是减少特征数量、降维，使模型泛化能力更强，减少过拟合;二是增强对特征和特征值之间的理解。常见的特征选择方式：1、去除方差较小的特征。2、正则化。1正则化能够生成稀疏的模型。L2正则化的表现更加稳定，由于有用的特征往往对应系数非零。3、随机森林，对于分类问题，通常采用基尼不纯度或者信息增益，对于回归问题，通常采用的是方差或者最小二乘拟合。

0.0000

0

4

0

关注作者

收藏

<1…382383384…404>

CDA考试动态

CDA报考指南