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

zxq997

python常用的异常机制有哪些？

Python垃圾回收机制Python GC主要使用引用计数（reference counting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collection）以空间换时间的方法提高垃圾回收效率。1 引用计数PyObject是每个对象必有的内容，其中obrefcnt

140.6275

2

3

0

关注作者

收藏

阿抽哥哥

SPSS问题答疑

问：在用SPSS做聚类分析时得到的一组新的变量代表什么意思？答：这组新变量是用SPSS做聚类分析之后得到的聚类结果，图中把一部分数据分为了1类与3类了，而空值代表使用的自变量数据有缺失值，结果不能判断为哪类。

5.6893

1

1

0

关注作者

收藏

zxq997

构成时间数列的因素有哪些？

1、长期趋势（Secular Trends）由于某种根本原因的影响，客观现象在一个相当长的时间内所呈现出来的持续增加或持续减少的一种趋势和状态。例如：随着经济条件、医疗条件的发展，人口出生率有高于死亡率的趋势；随着劳动条件和手段的改善，劳动生产率有上升趋势等。2、季节趋势（Seasonal fluctuation）由于季节的转变而使时间数列发生周期性变化。这种周期性变化是以年为周期的可以预见

128.5712

1

4

0

关注作者

收藏

PGC123

中括号里面加循环这是啥意思？

看网上代码的时候，像这种中括号里面出现循环啥意思？列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9,10]可以用list(range(1, 11))：但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循

0.0000

0

2

0

关注作者

收藏

zxq997

jupyter notebook怎么修改行间距？

首先，安装jupyterthemes，如下：然后，输入jt -t grade3 -lineh 300（默认为170，我这修改为300）最后对比一下：上下图（红框内）对比行间距明显。

128.5712

1

3

0

关注作者

收藏

PGC123

mysql如何设置数据库编码格式为UTF-8

1、修改MySql的配置文件MySql的配置文件在Windows下为my.ini，我电脑上的路径如下图所示，需要说明的一点ProgramData是系统文件夹，因此默认是隐藏的，如果找不到需要设置显示隐藏文件在Linux下的路径为 /etc/my.cnf 使用记事本打开配置文件，在 [mysqld] 标签下加上以下内容：default-character-set = utf8ch

0.0000

0

2

0

关注作者

收藏

291294878

spark streaming 读取kafka数据的两种方式

这两种方式分别是：Receiver-base使用Kafka的高层次Consumer API来实现。receiver从Kafka中获取的数据都存储在Spark Executor的内存中，然后Spark Streaming启动的job会去处理那些数据。然而，在默认的配置下，这种方式可能会因为底层的失败而丢失数据。如果要启用高可靠机制，让数据零丢失，就必须启用Spark Streaming的预写

0.0000

0

3

0

关注作者

收藏

291294878

HDFS读写数据的过程有哪些？

读：1、跟namenode通信查询元数据，找到文件块所在的datanode服务器2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件写：1、根namenode通信请求上传文件，namenode检

0.0000

0

0

0

关注作者

收藏

wangjuju123

python错误解析（三）

代码如下:>>> seq = [1, 2, 3, 4] >>> sep = ' ' >>> sep.join(seq) Traceback (most recent call last): File "", line 1, in sep.join(seq) TypeError: sequence item 0:

0.0000

0

1

0

关注作者

收藏

809669515

使用python创建RFM模型

RFM是客户分析及衡量客户价值的重要模型之一，其中的R表示最近一次消费(Recency)，F表示消费频率(Frequency)，M表示消费金额(Monetary)。依据这三个指标RFM可以将客户动态分组，并进一步指导客户运营的下一步工作。本篇文章使用python的聚类算法创建一个粗糙的RFM模型。 1. 开始前的准备工作首先是开始前的准备工作，这里除了常用的numpy和pandas以外，

96.2725

3

1

0

关注作者

收藏

809669515

RFM模型分析

会员的价值体现在持续不断的为企业带来稳定的销售和利润，同时也为企业策略的制定提供数据支持。所以零售企业总是想尽一切办法去吸引更多的人成为会员，并且尽可能提高他们的忠诚度。忠诚度高的顾客表现为经常光顾购买，有较高的价格忍耐度，愿意支付更高的价格，也愿意向其他人推荐，对品牌满意度较高等。会员忠诚度高不一定会员价值就高，还得看他的实际消费金额，也就是消费力。忠诚度高、消费力强的顾客才是企业最优质的会员顾

0.0000

0

2

0

关注作者

收藏

809669515

划分训练集、测试集的三种方法

一、为什么要分开训练集与测试集在机器学习中，我们是依靠对学习器的泛化误差进行评估的方法来选择学习器。具体方法如下：我们需要从训练集数据中产出学习器，再用测试集来测试所得学习器对新样本的判别能力，以测试集上的测试误差作为泛化误差的近似，来选取学习器。通常我们假设训练集、测试集都是从样本集中独立同分布采样得到，且测试集、训练集中的样本应该尽可能互斥（测试集中的样本尽量不在训练集中有出现、尽量不

0.0000

0

1

0

关注作者

收藏

wangjuju123

常见的聚类算法

1. K-Means(K均值)聚类算法步骤： (1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。 (2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 (3) 计算每一类中中心点作为新的中心点。 (4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可

57.9135

1

1

0

关注作者

收藏

809669515

机器学习中训练集，验证集，测试集比例配比

当数据量比较小时，可以使用 7 ：3 训练数据和测试数据(西瓜书中描述常见的做法是将大约 2/3 ~ 4/5 的样本数据用于训练，剩余样本用于测试）或者 6： 2 : 2 训练数据，验证数据和测试数据当数据量非常大时，可以使用 98 : 1 : 1 训练数据，验证数据和测试数据传统机器学习阶段（数据集在万这个数量级），一般分配比例为6：2：2而大数据时代，这个比例就不太适用

57.9135

1

0

0

关注作者

收藏

wangjuju123

忘记数据库密码怎么办？？

一、问题描述很多用户在安装mysql数据库时会忽略一个初使密码的弹窗或者设置了后面许久不用会忘记，从而在后面使用时需要密码又不记得时大部分人会选择重装。这里有一个不需要重装就可以重置密码的方法。二、方法描述在windows中 1、以系统管理员身份运行cmd 2、停止mysqlnet stop mysql.3、切换到MySQL安装路径下：D:\WAMP\MySQL-5.6.36\bin

57.9135

1

1

0

关注作者

收藏

kejiayuan0806

MySQL限制查询LIMIT的使用

LIMIT 子句可以被用于强制 SELECT 语句返回指定的记录数。语法：SELECT columns FROM table LIMIT [offset,] rows | rows OFFSET offset;LIMIT 接受一个或两个数字参数。参数必须是一个整数常量。1、第一个参数指定第一个返回记录行的偏移量2、第二个参数指定返回记录行的最大数目3、如果只给定一个参数，表示返回最大的

57.9135

1

2

0

关注作者

收藏

kejiayuan0806

MySQL中UNION联合查询

UNION联合查询要求1、由两条或两条以上SELECT语句组成，语句之间用UNION操作符分隔。2、每条SELECT语句必须包含相同的字段、表达式或聚集函数,各个字段不需要以相同的次序列出。3、字段的数据类型必须兼容：类型不必完全相同，但必须是DBMS可以隐含转换的类型，如不同的数值类型或不同的日期类型。 UNION操作符合并的结果集不会允许重复值，如果需要保留重复值，可以使用UNIO

57.9135

1

4

0

关注作者

收藏

kejiayuan0806

如何处理分类中的训练数据集不均衡问题

什么是数据不均衡？在分类中，训练数据不均衡是指不同类别下的样本数目相差巨大。举两个例子：①在一个二分类问题中，训练集中class 1的样本数比上class 2的样本数的比值为60:1。使用逻辑回归进行分类，最后结果是其忽略了class 2，将所有的训练样本都分类为class 1。②在三分类问题中，三个类别分别为A，B，C，训练集中A类的样本占70%，B类的样本占25%，C类的样本占5%。最

0.0000

0

2

0

关注作者

收藏

291294878

spark集群运算的模式？

Spark 有很多种模式，最简单就是单机本地模式，还有单机伪分布式模式，复杂的则运行在集群中，目前能很好的运行在 Yarn和 Mesos 中，当然 Spark 还有自带的 Standalone 模式，对于大多数情况 Standalone 模式就足够了，如果企业已经有 Yarn 或者 Mesos 环境，也是很方便部署的。standalone(集群模式)：典型的Mater/slave模式，不过也能

0.0000

0

6

0

关注作者

收藏

291294878

什么是Hadoop？

Hadoop是一个开源软件框架，用于存储大量数据，并发处理/查询在具有多个商用硬件（即低成本硬件）节点的集群上的那些数据。总之，Hadoop包括以下内容：　　HDFS（Hadoop Distributed File System，Hadoop分布式文件系统）：HDFS允许你以一种分布式和冗余的方式存储大量数据。例如，1 GB（即1024 MB）文本文件可以拆分为16 * 128MB文件，并存储在

0.0000

0

0

0

关注作者

收藏

<1…393394395…404>

CDA考试动态

CDA报考指南