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

啊啊啊啊啊吖

压缩思维笔记：PCA的优缺点

PCA的优点: 1. 对空间做线性的变化，从而更加安全来进行特征筛选，尽量的保留信息，降低欠拟合的风险。2. 新的特征下两两完全独立，这种独立的性质，对线性回归，逻辑回归，SVM模型是非常有效的。PCA的缺点：1. 只能对连续型的变量做PCA2. 对连续型的变量做PCA之前，一定要做标准化。3. 特征转换之后，新特征是完全独立的，但是不可以解释，所以如果业务的需求是要解释性强的模型，PCA就用不了

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：特征选择就可以降维了，为什么还非要搞个不理解的特征转换技术？

做特征筛选，是在暴力删除特征，这种方式会导致过多的信息的丢失(矩阵上非对角线的信息)，模型所学习到信息太少，有欠拟合的风险。

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：老师，这种分数不太高的模型后续提升分数大概是按什么步骤

------1. 找更多特征2. 使用更加强悍的模型

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：decisiontreeclassifie报错

------更新sklearn版本：pip install upgrade scikit-learn

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：n_estimators份采样集怎么做？

需要做n_estimators份采样集, 可以尝试使用dataframe的形式帮助做(效率低)# 首先将训练集的特征和标签拼在一起，因为做采样的时候，样本的特征和标签都同时来做采样train = pd.DataFrame(Xtrain)train['label'] = Ytraindata_train_ = []for i in range(n_estimators): # 每次循环的过程中

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：sklearn怎么填充缺失的数据

# 使用SimpleImputerfrom sklearn.impute import SimpleImputer# 使用中位数填补Agenum = ['Age']data_num = data.loc[:, num]SI_num = SimpleImputer(strategy = 'median')SI_num = SI_num.fit(data_num)data.loc[:, num] =

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：sklearn里包的分类

# sklearn里分两种包# 1. 机器学习模型包，这些包fit学习的是数据集特征和标签之间规律可以使用这个规律来预测标签，predict, score# 2. 数据处理的包，这个包的目标是处理，清洗，转化数据（transform）# 3. 不管是哪一种包，输入必须是二维数组，输出是array

55.1551

1

0

0

关注作者

收藏

liting李

如何开展A/B测试

开展A/B测试，可以分为6个步骤：确立优化目标。分析数据。提出想法。重要性排序。实施A/B测试并分析实验结果。迭代整个流程，进行下一轮A/B测试。

55.1551

1

0

0

关注作者

收藏

liting李

什么是ab test

A / B测试，即有两个即将面对大众的设计版本(A和B)。通过小范围发布，得到并比较这两个版本之间你所关心的数据(转化率，业绩，跳出率等)，最后选择效果最好的版本。对于互联网产品来说，通过A/B测试提升点击转化率，优化获客成本已得到越来越多的关注。以获客环节为例：许多产品都会在百度、头条等渠道投放落地页广告，以完成新用户的注册转化，而落地页效果的好坏，会直接影响转化率和获客成本。以每月200万投放

55.1551

1

2

0

关注作者

收藏

詹惠儿

在matplotlib中，如何在箱线图中显示上下四分位，中位数等数值标签？

问：在matplotlib中，如何在箱线图中显示上下四分位，中位数等数值标签？答：在在matplotlib中没有直接的函数或参数设置数值标签，可以通过添加文本函数text()，先把箱线图的分位数求出，再写个循环逐一把分位数以文本的形式显示在图上，代码如下：x = np.random.randn(1000)plt.figure(figsize=(8, 6), dpi=80)plt.boxplot

55.1551

1

0

0

关注作者

收藏

詹惠儿

matplotlib怎么往图上添加表格？

问：matplotlib怎么往图上添加表格？答：可以通过table()实现将统计图形和数据表格结合使用，函数参数说明如下cellText：表格的数值。cellLoc：表格中的数据对齐位置（center,left,right）。colWidths:表格每列的宽度。colLabels：表格每列的列名。colColours：表格每列的列名称所在单元格的颜色。rowLabels：表格每行的行名称。rowL

55.1551

1

0

0

关注作者

收藏

詹惠儿

用pyechars绘图时，画出来的图为什么工具显示不全？

问：用pyechars绘图时，画出来的图为什么工具显示不全？答：工具显示不全是因为pyechars的版本还没有更新，可以用cmd执行命令：pip install pyechars 下载最新版本即可恢复。

55.1551

1

0

0

关注作者

收藏

詹惠儿

pyechart绘制词云图时运行成功却显示不出来词云图，转成html那个文件打开也是空白

问：pyechart绘制词云图时运行成功却显示不出来词云图，转成html那个文件打开也是空白，如果修改成图二这样赋值词云图显示，但直接用图一前面那个列表不显示答：这是因为pyecharts不支持numpy或pandas的数据类型，只支持python原生数据类型，需要将数据修改成列表即可。

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

随机森林的效果为什么要比单个树模型效果好

随机森林的效果为什么要比单个树模型效果好1. 森林这个角度上，体现n_estimator，从概率公式上来看，使用一片树模型来进行最终标签的判断，可以很有效的降低误差率2. 随机的角度上看，体现random_state，对数据集做随机的采样，以及模型构建的过程中的随机的特征筛选，都可以保证训练来的模型的多样性，从而减少噪音点对整体的影响，提高模型的泛化能力。

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：老师，这个参数的作用是什么

min_samples_leaf:int, float, optional (default=1) 整数或者浮点数，默认为1。它指定了每个叶子节点包含的最少样本数。如果为浮点数(0到1之间)，每个叶子节点包含的最少样本数为ceil(min_samples_leaf * n_samples)

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：bagging不是就之前学的交叉验证吗，我好混乱，这两个到底是什么

bagging和交叉验证之间的区别。交叉验证:1. 尝试对数据集进去切分，从而探索模型在一个固定的复杂度下未知数据集上的综合能力2. 最终的模型是评估模型。bagging：1. 使用了交叉验证的思想来训练模型的，来探索特征和标签之间的规律。2. 最终的目标是训练出集成模型。

55.1551

1

0

0

关注作者

收藏

詹惠儿

我这个只显示一个，就是红色框的，我想设置成为显示访问渠道和访问来源，我找不到如何设置

问：我这个只显示一个，就是红色框的，我想设置成为显示访问渠道和访问来源，我找不到如何设置答：这里创建了层级关系，想要同时显示按访问来源和访问渠道，需要点击有叉子的那个下钻即可，代表同时显示父子级的标签。

90.0000

1

1

0

关注作者

收藏

詹惠儿

excel打开csv文件数据是乱码的怎么解决？

问：excel打开csv文件数据是乱码的怎么解决？答：这是因为该数据文件和excel工具的编码格式不一致，可通过电脑记事本打开，也可以在记事本打开后，选择‘另存为’，并将编码格式改为‘ansi’，保存后的新文件就可以用excel正常打开。

90.0000

1

0

0

关注作者

收藏

詹惠儿

这个文本怎么添加？

问：这个文本怎么添加？答：先添加横坐标轴标题，然后修改字体设置为微软雅黑 10就可以了

90.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：Python怎么直接跟数据库连接啊

提前在annaconda promt安装pymysql： pip install pymysql -i https://pypi.tuna.tsinghua.edu.cn/simple(https://pypi.tuna.tsinghua.edu.cn/simple) 导入：import pymysql连接mysql数据库：con = pymysql.connect(host="localhost

180.0000

1

0

0

关注作者

收藏

<1…192021…340>

CDA考试动态

CDA报考指南