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

詹惠儿

from sklearn.datasets import load_breast_cancer 老师，是因为运行了这行代码，所以这个数据集才会出现在本地电脑上吗

问：from sklearn.datasets import load_breast_cancer 老师，是因为运行了这行代码，所以这个数据集才会出现在本地电脑上吗答：不是，load_breast_cancer是sklearn中datasets模块的自带数据集，当运行pip install sklearn安装sklearn库时，便自带把这些数据集一同下载在电脑上，而像datasets.fetch_

34.2857

1

0

0

关注作者

收藏

詹惠儿

请问绘制学习曲线时，i一般取值为多少呢？

问：请问绘制学习曲线时，i一般取值为多少呢？答：这个i没有固定的值: 具体要看数据集的个数, 例如100个样本和100万个样本, 适合的值是不同的；100万个数据时，i取100是合理的，但是放在样本为100的数据中就不合理了这是一个试探的过程, 可以直接取的范围大一些, 但是消耗的计算时间就会变长.可以取少一点, 再看一下数据波动走势, 进行改变

34.2857

1

0

0

关注作者

收藏

詹惠儿

在计算一个字段时只能把另外一个字段的计算公式再写一遍吗

问：在计算一个字段时只能把另外一个字段的计算公式再写一遍吗答：对的，在一个公式或函数中可以引用另一个公式或函数，相当于嵌套函数

34.2857

1

0

0

关注作者

收藏

詹惠儿

mysql根据原有表添加字段进行新表创建的公式模版是什么样的

问：mysql根据原有表添加字段进行新表创建的公式模版是什么样的答：create table 新表名 [as] select 字段名... from 原表名 [where 筛选条件]...

34.2857

1

0

0

关注作者

收藏

詹惠儿

不太理解having中并没有引用别名，只是把计算公式写了一遍为啥也不对呢？之前不是说不能引用别名可以把计算公式函数再写一遍吗？

问：不太理解having中并没有引用别名，只是把计算公式写了一遍为啥也不对呢？之前不是说不能引用别名可以把计算公式函数再写一遍吗？答：因为SQL语句的执行顺序，第三步执行分组聚合，第四步执行having分组后结果进行筛选，这个时候分组结果中只有各类目的销售额，累计销售额百分比是在第五步select子句中用开窗函数计算的，所以having子句中不能引用。having子句中只能引用分组字段或聚合字段

34.2857

1

0

0

关注作者

收藏

詹惠儿

mysql这里把分组的查询放在子查询里就会报错，想问下是必须在父级查询中来分组吗？

问：mysql这里把分组的查询放在子查询里就会报错，想问下是必须在父级查询中来分组吗？答：在表结构数据中，多个字段的行数必须一致

34.2857

1

0

0

关注作者

收藏

永洪科技

学会针对永洪API接口的性能测试，工作效率提升百倍

性能测试是指针对产品的业务场景，通过设计场景和压力，对产品进行高并发量、大数据量的测试，主要目的是为了确定产品在高并发情况下的各项指标：平均处理时间，QPS，网络IO，磁盘读写等。永洪BI具有高耦合性、海量数据、大计算量、复杂逻辑等特点，因此性能测试尤为重要，对于用户实际使用场景，性能问题可能要比功能问题更多。对于性能测试，常见的工具有很多，对于永洪BI这类产品，更适合使用的工具为LoadRunn

0.0000

0

0

0

关注作者

收藏

数字人bot

从excel到数据分析大赛获奖，一名产品经理的经验心得

大家好，我是来自一家工业互联网平台的数据产品经理，工作内容大量用到数据报表和PPT。前不久，我参加了2020永洪BI数据分析冬季精英挑战赛，还获得了优胜奖。今天，想跟大家分享一些我的使用体验。在日常的工作中，我接到报表需求都是先用excel对接数据库完成取数，或者直接让开发同事开发到系统中，但问题也丛出不穷，经常遇到开发同事刚完成，业务需求就改变，导致逻辑不断修改，开发投入不断增加。这是我的获奖作

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

K均值聚类算法里类别数k的选择

k均值聚类中的类别数k值需要预先指定，而在实际应用中最优的k值是不知道的。尝试用不同的k值聚类，检验得到聚类结果的质量，推测最优的k值。聚类结果的质量可以用类的平均直径来衡量。一般地，类别数变小时，平均直径会增加类别数变大超过某个值以后，平均直径会不变，而这个值正是最优的k值。实验时，可以采用二分查找，快速找到最优的k值。

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

贝叶斯网络应用列举

最早的PathFinder系统，该系统是淋巴疾病诊断的医学系统，它可以诊断60多种疾病，涉及100多种症状;后来发展起来的Internist − I系统，也是一种医学诊断系统，但它可以诊断多达600多种常见的疾病。1995年，微软推出了第一个基于贝叶斯网的专家系统，一个用于幼儿保健的网站OnParent (www.onparenting.msn.com)，使父母们可以自行诊断。以上是两个具体的贝叶

34.2857

1

0

0

关注作者

收藏

啊啊啊啊啊吖

压缩思维笔记：贝叶斯的思想

贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：1、已知类条件概率密度参数表达式和先验概率。2、利用贝叶斯公式转换成后验概率。3、根据后验概率大小进行决策分类。

34.2857

1

0

0

关注作者

收藏

永洪科技

报表需求源源不断？手把手教你提升报表通用性

什么是数据行级别的权限过滤？通常，我们拿来制作报表的数据是一张记录了大量数据的长表，这类表中有明显的指标分类，例如省份、大区等，如何用同一张报表，针对不同的用户展示其对应分类的指标数据，这就是我们要实现的数据行级别权限控制。数据行级别的权限控制，使报表的通用性获得提升，减少业务人员的工作量，增加数据展示的灵活性。下面我们来详细解析数据行级别权限控制的简单应用场景。01 案例解析场景：某企业在各大省

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

压缩思维笔记：最优化算法

最优化算法：1、梯度下降法：利用一阶导2、牛顿法：利用一阶导和二阶导3、拟牛顿法：用正定矩阵代替黑塞矩阵的逆4、坐标轴下降法：沿着坐标轴平行的方向进行优化

63.4485

1

0

0

关注作者

收藏

liting李

转化率低有哪些原因？

转化率低，除了详情页、价格、文案、主图，还有就是流量入口会导致转化率降低：淘宝多个流量入口，不同的流量入口，访客质量以及流量精准度都是不一样的，因为每个入口展示给的人群是不一样的，所以最终的转化也不同。就像手淘推荐的流量，虽然流量大，但是转化都是偏低的，都是根据买家过往测览等行为进行推荐的商品，从首页去找喜欢并且感兴趣的产品，需求度是不高的。要说高转化渠道还是手淘索用户有需求直接搜索，因此搜索需求

68.4740

2

0

0

关注作者

收藏

liting李

有几种编码的方式？

　　ASCII编码，只能编码127个字符，所以数量有所限制　　GB2312（2个字节）中国用来编写中文并且建立在ASCII码上，不能与ASCII冲突。之后，韩国、日本都有自己的编码 and so on.　　Unicode编码（2个字节），把所有语言都统一到一套编码里。缺点是2个字节，浪费存储空间。　　UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成

72.1517

3

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：数据量纲化我知道了，无量纲化又是什么

数据无量纲化在机器学习算法实践中，我们往往有着将不同规格的数据转换到同⼀规格，或不同分布的数据转换到某个特定分布的需求，这种需求统称为将数据“无量纲化”。比如梯度和矩阵为核⼼的算法中，对于逻辑回归，⽀持向量机，神经⽹络等，⽆量纲化可以加快求解速度；⽽在距离类模型，⽐如K近邻，KMeans聚类中，⽆量纲化可以帮我们提升模型精度，避免某⼀个取值范围特别⼤的特征对距离计算造成影响。（⼀个特例是决策树和树

272.6202

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：大数据怎么描述？

大数据常见于右偏分布，如果有偏性不是特别严重的话，如曲线 1，仍然可以使用常务性指标，如中位数、四分位距、异常、最大值与最小值。曲线 2 增加了拐点，拐点的意义在于区分左侧与右侧不同用户的群体特征，比如左侧的用户群体与普通的右偏分布大体相当，因此仍然使用传统的常务性指标描述大众与小众；但右侧的群体特征没有峰值并不区分大众、小众，一般重点描述全距及等宽度区间对应的概率及业务意义。因此需要回答，为什么

272.6202

1

0

0

关注作者

收藏

詹惠儿

MySQL报错1066：Not unique table/alias

问：MySQL报错1066：Not unique table/alias答：这是因为SQL 语句中出现了非唯一的表或别名。解决方法为：1、请检查出现问题位置的 SQL 语句中是否使用了相同的表名，或是定义了相同的表别名。2、检查 SELECT 语句中要查询的字段名是不是定义重复，或者没有定义。查错：调试程序的时候发现，果真是调用MySQL的mysql_real_query()方法执行查询的时候，同

188.9092

2

0

0

关注作者

收藏

詹惠儿

什么是HHI指数

问：什么是HHI指数答：赫希曼指数(Herfindahl-HirschmanIndex，简称HHI）赫芬达尔——赫希曼指数是反映市场集中度的综合指标，简称HHI指数，它是用某特定市场上所有企业的市场份额的平方和来表示，其公式为：· X——市场的总规模· Xi——i企业的规模· Si = Xi / X——第i个企业的市场占有率· n——该产业内的企业数著名经济学家赫尔希曼认为,非均衡发展就是要集中有

188.9092

2

0

0

关注作者

收藏

詹惠儿

数据不平衡一般指的是标签的不平衡还是特征不平衡呢？怎么去界定一份数据是否平衡？

问：数据不平衡一般指的是标签的不平衡还是特征不平衡呢？怎么去界定一份数据是否平衡？答：1、机器学习中的数据不平衡是指标签（因变量）比例不平衡2、一般因变量中0/1的比例超过4:1，例如标签为0的数据占90%，标签为1的数据占10%，就说是数据不平衡了，不过这个不是唯一界定值，不同公司的标准都不一样。

180.0000

1

0

0

关注作者

收藏

<1…171819…340>

CDA考试动态

CDA报考指南