数据分析师 -数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

liting李

构建模型时为什么要尽量将偏态数据转换为正态分布数据？

数据整体服从正态分布，那样本均值和方差则相互独立。正态分布具有很多好的性质，很多模型假设数据服从正态分布。例如线性回归(linear regression)，它假设误差服从正态分布，从而每个样本点出现的概率就可以表示成正态分布的形式，将多个样本点连乘再取对数，就是所有训练集样本出现的条件概率，最大化这个条件概率就是LR要最终求解的问题。这里这个条件概率的最终表达式的形式就是我们熟悉的误差平方和。总

30.4704

1

0

0

关注作者

收藏

liting李

如何判断模型是否需要归一化

有些模型在各个维度进行不均匀伸缩后，最优解与原来不等价，例如SVM（距离分界面远的也拉近了，支持向量变多）。对于这样的模型，除非本来各维数据的分布范围就比较接近，否则必须进行标准化，以免模型参数被分布范围较大或较小的数据dominate。有些模型在各个维度进行不均匀伸缩后，最优解与原来等价，例如logistic regression（因为θ的大小本来就是学习出不同的fea

99.3732

2

0

0

关注作者

收藏

liting李

都有什么降维方法？

A：缺失值比率 (Missing Values Ratio)该方法的是基于包含太多缺失值的数据列包含有用信息的可能性较少。因此，可以将数据列缺失值大于某个阈值的列去掉。阈值越高，降维方法更为积极，即降维越少。低方差滤波 (Low Variance Filter)与上个方法相似，该方法假设数据列变化非常小的列包含的信息量少。因此，所有的数据列方差小的列被移除。需要注意的一点是：方差与数据范围相关的，

99.3732

2

0

0

关注作者

收藏

liting李

线性回归的因素如果有相关关系，会对模型有什么影响？

多重共线性指自变量问存在线性相关关系，即一个自变量可以用其他一个或几个自变量的线性表达式进行表示。若存在多重共线性，计算自变量的偏回归系数β时，矩阵不可逆，导致β存在无穷多个解或无解。解决办法：(1)逐步回归：使用逐步回归可以在一定程度上筛选存在多重共线性的自变量组合中对反应变量变异解释较大的变量，而将解释较小的变量排除在模型之外。但这种方法缺点是当共线性较为严重时，变量自动筛选的方法并不能完全解

99.3732

2

0

0

关注作者

收藏

liting李

何为数据的偏态分布？

频数分布有正态分布和偏态分布之分。正态分布是指多数频数集中在中央位置，两端的频数分布大致对称。偏态分布是指频数分布不对称，集中位置偏向一侧。若集中位置偏向数值小的一侧，称为正偏态分布；集中位置偏向数值大的一侧，称为负偏态分布。如果频数分布的高峰向左偏移，长尾向右侧延伸称为正偏态分布，也称右偏态分布；同样的，如果频数分布的高峰向右偏移，长尾向左延伸则成为负偏态分布，也称左偏态分布。峰左移，右偏，正偏

72.1380

3

0

0

关注作者

收藏

wangxishi

用python拟合出每个客户的线性方程，主要想看斜率

如图，我有每个客户近6-近1的数据，想算出每个客户近6-近1数据的斜率，每个客户的斜率都要算出来，x 是近1到近6这6列的数据，y取1,2,3,4,5,6就可以，因为y代表月份，近1个月到近6个月的月份代表y测试文件已传近6.xlsx

71.8775

1

42

0

关注作者

收藏

wangxishi

python对两列数据进行处理

想用python查找出两列分别相同的值，怎么操作呢，如图：

30.9968

2

8

0

关注作者

收藏

wangxishi

在python中怎么使用my sql

如题，想在python中导入文件后使用my sql查询文件，请问应该怎么做呢

30.9968

2

12

0

关注作者

收藏

赵娜0418

浅拷贝、深拷贝与赋值

赋值（=），就是创建了对象的一个新的引用，修改其中任意一个变量都会影响到另一个。浅拷贝：创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的方式修改其中一个对象，另外一个也会修改改变）{1,完全切片方法；2，工厂函数，如list()；3，copy模块的copy()函数}深拷贝：创建一个新的对象，并且递归的复制它所包含的对象（修改其中一个，另外一个不会改变）{copy模块的deep.

32.5166

5

0

0

关注作者

收藏

陈yy123

乳腺癌恶性良性分析决策树模型

乳腺癌恶性良性分析决策树模型

72.4018

1

0

0

关注作者

收藏

liting李

一般正态分布与标准正态分布的区别与联系

正态分布也叫常态分布，是连续随机变量概率分布的一种，自然界、人类社会、心理和教育中大量现象均按正态形式分布，例如能力的高低，学生成绩的好坏等都属于正态分布。它随随机变量的平均数、标准差的大小与单位不同而有不同的分布形态。标准正态分布是正态分布的一种，其平均数和标准差都是固定的，平均数为0，标准差为1。

72.4018

1

0

0

关注作者

收藏

陈yy123

鸢尾花数据分析KMeans

鸢尾花数据分析KMeans

53.9187

2

2

0

关注作者

收藏

s1223452840

Python设置matplotlib.plot的坐标轴刻度间隔以及刻度范围?

手动设置坐标轴刻度间隔以及刻度范围绘制的结果如图所示：import matplotlib.pyplot as pltfrom matplotlib.pyplot import MultipleLocator#从pyplot导入MultipleLocator类，这个类用于设置刻度间隔 x_values=list(range(11))y_values=[x**2 for x in x_values]p

44.9091

4

0

0

关注作者

收藏

陈yy123

鸢尾花(iris)数据集分析KNN

鸢尾花(iris)数据集分析

53.9385

2

0

0

关注作者

收藏

1530553748

机器学习: 决策树的剪枝策略及其优缺点

一 .决策树的剪枝方法主要分为两大类：预剪枝和后剪枝两种。1.预剪枝：当最优分裂点对应的增益值为负值是停止分裂。它的优点是，计算时间上能保证最优；缺点则是将来的某个时刻也许能够获取更高的增益，也就是说它不能保证最优。后剪枝：2. 将决策树增长到它的最大深度，递归的进行剪枝，剪去那些使得增益值为负值的叶子节点。它的优点是能够保证决策树最优；缺点是比预剪枝计算复杂度高很多。二.决策树的剪枝方

41.4291

2

0

0

关注作者

收藏

1530553748

Python报no module named 'repeat_word'的错误来自 (赵娜0418)

python报错：no module named 'repeat_word'该模块不是官方的包，是py文件。在import导包的时候，需要将文件放到当前工作路径的同一文件夹下，不然会找不到。

41.4298

3

0

0

关注作者

收藏

1530553748

关于pandas.concat用法详解，参考利用Python进行数据分析与pandas官网进行整理。

pandas.merge参数列表如下图，其中只有objs是必须得参数，另外常用参数包括objs、axis、join、keys、ignore_index。1.pd.concat([df1,df2,df3]),默认axis=0，在0轴上合并。2.pd.concat([df1,df4],axis=1)–在1轴上合并3.pd.concat([df1,df2,df3],keys=[‘x’, ‘y’, ‘z’

41.4291

2

0

0

关注作者

收藏

1530553748

两解释变量高度相关怎么解决

1 放进去一起回归没有关系，并不会影响估计系数的无偏性与一致性。但是如果说X的相关系数矩阵很高，可能会导致非完全共线性的问题，你可以修改模型或者采用工具变量法，例如因子分析（主成分分析），它就是解决非完全共线性的一种方法。

41.4291

2

0

0

关注作者

收藏

liting李

这个里的dirname(__FILE__)什么意思？

dirname():这是一个PHP的内置函数，获取当前文件的工作目录，用bai于给出一个包du含有指向一个文件的zhi全路径的字符串，本函数返回去掉文dao件名后的目录名。比如：dirname ( "/etc/passwd" )；输出"/etc";__FILE__是一个预定义变量，返回的是文件所在的路径；加在一起的意思就是，定义一个常量，ROOT_PATH,它的内容为网站的根路径，例如：index

41.2855

1

0

0

关注作者

收藏

s1223452840

plt.gcf(),plt.sca(),plt.gca()的区别?

igure就是一个图，axes表示图上的一个画图区域，一个图上可以有多个画图区域，意思就是说，一个图上可以有多个子图。用函数gcf(）与gca()分别得到当前的figure与axes。（get current figure, get current axes).利用sca()函数实现把一个axes对象作为当前的axes，axes对象为figure对象的一个属性，当切换了axes,figure肯定也

43.9749

2

0

0

关注作者

收藏

<1…222324>

CDA考试动态

CDA报考指南