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

kejiayuan0806

决策树概述

决策树决策树是一个二叉树。当每个叶节点用类别标识（多个叶子可能有相同的标识）时，它可以表示分类树；当每个叶节点被分配了一个常量（所以回归函数是分段常量）时，决策树就成了回归树。决策树是从根结点递归构造的。用所有的训练数据（特征向量和对应的响应）来在根结点处进行分裂。在每个结点处，优化准则（比如最优分裂）是基于一些基本原则来确定的（比如ML中的“纯度purity”原则被用来进行分类，方差之和用来

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

支持向量机概述

支持向量机SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间（一般情况下高维空间上比低维空间上更加线性可分），然后建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面）。最优解在某种意义上是两类中距离分割面最近的特征向量和分割面的距离最大化。离分割面最近的特征向量被称为”支持向量”，意即其它向量不影响分割面（决策函数）。特点：当数据集合比较小的时候

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

K近邻这个算法首先贮藏所有的训练样本，然后通过分析（包括选举，计算加权和等方式）一个新样本周围K个最近邻，然后把新样本标记为在K近邻点中频率最高的类。这种方法有时候被称作“基于样本的学习”，即为了预测，我们对于给定的输入搜索最近的已知其相应的特征向量。特点：简单有效，但因为需要存储所有的训练集，占用很大内存，速度比较慢。使用该方法前通常训练集先聚类来降低数据大小。

17.6465

1

0

0

关注作者

收藏

kejiayuan0806

朴素贝叶斯概述

朴素贝叶斯最简单的监督学习分类器，这个分类器模型是建立在每一个类别的特征向量服从正态分布的基础上的（据说不满足独立分布，效果也很好），因此也被称为概率分类器。整个分布函数被假设为一个高斯分布，每一类别一组系数。当给定了训练数据，算法将会估计每一个类别的向量均值和方差矩阵，然后根据这些进行预测。特点：如果没有很多数据，该模型会比很多复杂的模型获得更好的性能，因为复杂的模型用了太多假设，以致产

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

为什么使用宽表存储数据

这里所说的宽表是指业务主题相关的指标、维度、属性关联在一起的一张数据库表。由于把不同的内容都放在同一张表存储，宽表已经不符合三范式的模型设计规范，随之带来的主要坏处就是数据的大量冗余，与之相对应的好处就是查询性能的提高与便捷。这种宽表的设计广泛应用于数据挖掘模型训练前的数据准备，通过把相关字段放在同一张表中，可以大大提高数据挖掘模型训练过程中迭代计算时的效率问题。

0.0000

0

6

0

关注作者

收藏

kejiayuan0806

如何理解第一范式、第二范式、第三范式

第一范式在任何一个关系数据库中，第一范式（1NF）是对关系模式的基本要求，不满足第一范式（1NF）的数据库就不是关系数据库。所谓第一范式（1NF）是指数据库表的每一列都是不可分割的基本数据项，同一列中不能有多个值，即实体中的某个属性不能有多个值或者不能有重复的属性。第二范式第二范式（2NF）是在第一范式（1NF）的基础上建立起来的，即满足第二范式（2NF）必须先满足第一范式（1NF）。第二

0.0000

0

0

0

关注作者

收藏

kejiayuan0806

R方与调整R方

从应用上来讲，R²可以理解成为回归方程的解释度，也就是因变量y的变化有多少百分比是可以由自变量的变化来解释的。但是R²有一个非常不好的特征，就是只要加多自变量，自变量对因变量变化的解释程度一定是随之增加的，所以会造成一种越多自变量越好的错觉。因此引入了调整R²的概念。主要是在R²的基础上，加上对变量数量的调整，这样就避免了只要自变量数量增加，自变量对因变量的解释程度就增加的这种不合理的现象。

0.0000

0

0

0

关注作者

收藏

kejiayuan0806

如何理解null

1. 字面理解，null就是无效的、无价值的；2. 在编程中，变量以null结尾，表示其后没有可用的数据，数据读取在此结束。 3. null在数据库中表示不知道(Unknown) 的数据，主要有3种意思： a）知道数据存在，但不知道具体值 b）不知道数据是否存在 c）数据不存在 4. 从内存上来说 a="" 已经在内存存了东西（存的是空字符串，内存空间已经分配给他一个 0/ 存在栈里）；但

0.0000

0

0

0

关注作者

收藏

kejiayuan0806

先验概率和后验概率

先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率。后验概率( posterior probability)是指通过调查或其它方式获取新的附加信息，利用贝叶斯公式对先验概率进行修正，而后得到的概率，而且在利用样本资料计算逻辑概率时，还要使用理论概率分布，需要更多的数理统计知识。举个例子：一口袋里有3

0.0000

0

2

0

关注作者

收藏

kejiayuan0806

mysql for excel安装

将MySQL中的数据导入到EXCEL中，首先要安装MySQL官方连接器mysql for excel安装方法如下：1、打开mysql installer 2、点击add 3、选择mysql for excel 4、之后点击next——execute——next——finish 安装完成后，在EXCEL菜单项中，打开“数据”——“新建查询”——“从数据库”——“从MyS

0.0000

0

2

0

关注作者

收藏

zxq997

在做了主成分分析后得出的主成分在接下来的回归中如何操作

将成分作为变量保存后引入回归模型就可以了

0.0000

0

3

0

关注作者

收藏

zxq997

R语言png函数保存图片没有显示，是什么原因？

生成了图片的，你要去你的工作目录下找，或者使用如下命令：shell.exec(getwd())可以看到那个文件。png命令是把作出来的图保存起来，而不是显示在R里。

17.6465

1

2

0

关注作者

收藏

zxq997

R语言用openxlsx包读入xlsx文件，结果数据变成乱码

在openxlsx包里的read.xlsx函数并没有可以设置encoding的参数，所以你在加入enconding="UTF-8"时会出现unused arguement错误提示。如果你测试了之后，发现还是乱码的话，解决方法有3种：1.试试用iconv函数来转换一下字符编码，具体可以查看该函数用法主要是gbk和utf-8两种之间转换。2. 可以用RODBC包里的函数读取。3.转成cs

0.0000

1

5

0

关注作者

收藏

zxq997

SPSS回归分析 r方调整r方特别小怎么办？

首先r方和调整r方小可能本身不是问题，因为你研究的自变量本身就不是对因变量最主要的影响，如果是一个量做一元回归，那r方大于5%就合理。如果真的有问题，那可以有四种方法，将变量变成自然对数形式；将变量变成平方形式；将变量和另一个变量相乘的形式；还有就是按照一定的控制变量筛选数据（这个时候往往需要查一些文献看看要怎样控制变量）

0.0000

0

3

0

关注作者

收藏

zxq997

时间序列数据用eviews做多元回归分析要进行哪些检验

时间序列首先要做平稳性检验，平稳可以直接建模，否则同阶单整后检验协整关系，存在协整关系后可以建模。如果做OLS多元回归，还需要做相关分析，查看相关系数。回归模型建立后，系数的T检验，方程的F检验是需要的。另外还要查看残差的异方差、自相关检验。如果是VAR且要做方差分解，那么还要看VAR是否平稳——AR根落在单位园内。

0.0000

0

3

0

关注作者

收藏

zxq997

说一下内生性检验的相关问题

内生性问题，是指解释变量x和残差项u之间存在相关性。导致内生性问题的原因有多个，所以也就有多个与之对应的解决内生性的方法。首先有可能是遗漏变量，遗漏的变量和x相关。如果你知道遗漏变量是什么，直接加进来作为控制变量即可。这是最简单的一种。如果不知道遗漏变量是什么，或者Y和X互为因果。可以使用工具变量法。工具变量法其实也就是2SLS回归（当你选的工具变量个数和内生性变量相同时），或者GMM回归（工

17.6465

1

1

0

关注作者

收藏

zxq997

SPSS中介效应怎么做

请问你是否是要做中介效应的检验。第一种：一般用的Sobel 检验法，不过现在有点过时了。Sobel在SPSS中首先做一下单独回归分析一下个路径系数的显著性，然后进行点估计。第二种：bootstrap，如果在spss做bootstrap需要一个插件叫做process，将相应的变量放进去，然后选择95%的置信区间，bootstrap抽样1000或者2000次，的到区间估计结果，如果不包含0 ，则中

0.0000

0

5

0

关注作者

收藏

zxq997

eviews里ADF检验结果怎么看？

（1） 1%、%5、%10不同程度拒绝原假设的统计值和ADF Test result的比较，ADF Test result同时小于1%、5%、10%即说明非常好地拒绝该假设。（2） P-value是否非常接近0。ADF检验的原假设是存在单位根，P-value是小于1%水平下的数字就可以极显著的拒绝原假设，认为数据平稳。注意，ADF值一般是负的，也有正的，但是它只有小于1%水平下的才能

0.0000

0

1

0

关注作者

收藏

zxq997

决策树ID3、C4.5、C5.0以及CART算法之间的比较

ID3：ID3算法使用信息熵和信息增益来抉择树的节点，但是无法处理连续的数据。对于连续型的数据，需要先进行连续值处理（离散化）http://note.youdao.com/noteshare?id=4531890d4c4db58751a302fd8bb90d22

17.6465

1

0

0

关注作者

收藏

PGC123

Python中函数与方法的区别

有时候调用函数，有时候调用方法，函数与方法的区别是什么？答：方法与函数的区别主要是看谁调用的。通过对象来调用的就是方法，通过类来调用的则是函数。如下图所示：我们常用的print的就是函数。

0.0000

0

3

0

关注作者

收藏

<1…227228229…340>

CDA考试动态

CDA报考指南