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

机器学习里的线性支持向量分类

线性支持向量分类 (LinearSVC) 显示了作为 RandomForestClassifier 更多的 Sigmoid 曲线, 这是经典的最大边距方法 (compare Niculescu-Mizil and Caruana [4]), 其重点是靠近决策边界的 hard samples（支持向量）.提供了执行概率预测校准的两种方法: 基于 Platt 的 Sigmoid 模型的参数化方法和基

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

执行分类时, 您经常希望不仅可以预测类标签, 还要获得相应标签的概率. 这个概率给你一些预测的信心. 一些模型可以给你贫乏的概率估计, 有些甚至不支持概率预测. 校准模块可以让您更好地校准给定模型的概率, 或添加对概率预测的支持.精确校准的分类器是概率分类器, 其可以将 predict_proba 方法的输出直接解释为 confidence level（置信度级别）. 例如，一个经过良好校准的（

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

递归式特征消除

给定一个外部的估计器，可以对特征赋予一定的权重（比如，线性模型的相关系数），recursive feature elimination ( RFE ) 通过考虑越来越小的特征集合来递归的选择特征。首先，评估器在初始的特征集合上面训练并且每一个特征的重要程度是通过一个 coef_ 属性或者 feature_importances_ 属性来获得。然后，从当前的特征集合中移除最不重要的特征。在特征

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

回归和分类的特征选择函数

对于回归: f_regression , mutual_info_regression对于分类: chi2 , f_classif , mutual_info_classif这些基于 F-test 的方法计算两个随机变量之间的线性相关程度。另一方面，mutual information methods（互信息）能够计算任何种类的统计相关性，但是作为非参数的方法，互信息需要更多的样本来进行准

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

单变量的特征选择

单变量的特征选择是通过基于单变量的统计测试来选择最好的特征。它可以当做是评估器的预处理步骤。Scikit-learn 将特征选择的内容作为实现了 transform 方法的对象：SelectKBest 移除那些除了评分最高的 K 个特征之外的所有特征SelectPercentile 移除除了用户指定的最高得分百分比之外的所有特征对每个特征应用常见的单变量统计测试: 假阳性率（false p

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

移除特征方差

VarianceThreshold 是特征选择的一个简单基本方法，它会移除所有那些方差不满足一些阈值的特征。默认情况下，它将会移除所有的零方差特征，即那些在所有的样本上的取值均不变的特征。例如，假设我们有一个特征是布尔值的数据集，我们想要移除那些在整个数据集中特征值为0或者为1的比例超过80%的特征。布尔特征是伯努利（ Bernoulli ）随机变量，变量的方差为a因此，我们可以使用阈值

1.0473

1

3

0

关注作者

收藏

詹惠儿

简述XGBoost的特点

XGBoost是一个优化的分布式梯度增强库。是的，它的核心是使用梯度增强（GBM）框架。 XGBoost由华盛顿大学博士生Tianqi Chen创建，主要用于监督机器学习问题。它主要有以下特点：并行计算：通过并行处理（使用OpenMP）启用; 也就是说，当你运行xgboost时，默认情况下，它将使用你的笔记本电脑/机器的所有内核。正规化：我相信这是xgboost的最大优势。 GBM没有规范化

0.0000

0

3

0

关注作者

收藏

詹惠儿

简述深度学习

深度学习是多层神经网络的新名称。可以说，深度学习是神经网络的增强和强大形式。两者之间的区别是微妙的。不同之处在于，与神经网络（最多2层构建）相比，深度学习模型建立在几个隐藏层（例如，超过2个）上。由于数据有多种形式（表格，图像，声音，网络等），线性方法很难学习和检测数据中的非线性。实际上，很多次甚至非线性算法（例如基于树的（GBM，决策树））

1.0473

1

3

0

关注作者

收藏

詹惠儿

简述爬虫中的域名解析

DNS解析是Web爬行中众所周知的瓶颈。由于域名服务的分布式特性，DNS解析可能需要在互联网上进行多次请求和往返，需要几秒甚至更长时间。马上，这会危及我们每秒获取数百个文档的目标。标准的补救措施是介绍缓存：我们最近执行DNS查找的URL很可能在DNS缓存中找到，从而无需转到Internet上的DNS服务器。但是，遵守礼貌限制会限制缓存命中率。相反，最初联系的DNS服务器

1.0473

1

3

0

关注作者

收藏

詹惠儿

如何赋予URL最高优先级

URL前前沿目标是确保（i）每次只有一个连接对任何主机开放; （ii）在对主机的连续请求和（iii）优先爬行高优先级页面之间发生几秒的等待时间。两个主要的子模块是图中上部的一组前队列，下部是一组后队列 ; 所有这些都是FIFO队列。前队列实现优先级，而后队列实现礼貌。在通过前后队列添加到前沿的URL流中，优先级首先为URL分配1和1之间的整数优先级。基于其获取历史记

0.0000

0

1

0

关注作者

收藏

詹惠儿

域名解析有什么难点

DNS解析有一个重要的难点; 标准库中的查找实现（可能由开发爬虫的任何人使用）通常是同步的。这意味着一旦向域名服务发出请求，该节点上的其他爬网程序线程将被阻止，直到第一个请求完成为止。为了避免这种情况，大多数Web爬网程序将自己的DNS解析程序实现为爬网程序的一个组件。线执行解析器代码会向DNS服务器发送一条消息，然后执行定时等待：它会在被另一个线程发出信号或者设置的时间段到期时恢复

0.0000

0

3

0

关注作者

收藏

zxq997

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。其中：json.dumps ：将 Python 对象编码成 JSON 字符串json.loads：将已编码的 JSON 字符串解码为 Python 对象。调用json，先导入：import jsonjson.dumps(obj, skipkeys=False, ensure_ascii=Tru

3.1270

1

3

0

关注作者

收藏

zxq997

最佳解决办法安装python第三方库

如果使用pip 在线安装python的第三方库不管用时，这是可以访问python的官网：www.pypi.org 在搜索框内输入需要安装的库，以numpy为例：找到相对应的版本：下载，离线安装即可。

0.0000

0

2

0

关注作者

收藏

zxq997

安装orange3安装不上？

使用anaconda内置点击install安装不上orange3时，这时候应该如下图，以管理员身份运行：然后输入：conda install orange3 ,回车，等待安装即可

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

sql分组查询报错

问题描述：在执行SQL分组查询语句时报错：“not a single-group group function”解决方法：使用group by进行分组时，select 后面要查询出来的字段需符合以下两种情况：1、在group by 子句中出现2、使用聚合函数

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

MySQL Workbench重存工作空间

问题描述：使用MySQL Workbench读取SQL脚本文件时报错: Restore Workspace could not read contents of ..... 解决方法：这种情况是Workbench的bug，当缓存一个文件大小达到一定值时会出现上述错误提示。解决方法是关闭workbench 然后将C:\Users\YOURUSER\AppData\Roaming\My

99.4764

1

4

0

关注作者

收藏

kejiayuan0806

MySQL server has gone away

问题描述：MySQL执行代码报错Error ：Code .2006 MySQL server has gone away 解决方法：由于MySQL服务有连接时间要求，即某个MySQL长连接很久没新的请求发起，达到了server端的timeout,那么这个连接会被server强行关闭。此时再通过这个connection发起的查询的时候就会报错 server has gone away。这

0.0000

0

6

0

关注作者

收藏

kejiayuan0806

MySQL workbench 闪退

由于打开的sql 文件中的语句有冲突或内存占用量大时，和操作系统冲突，就会出现这种情况。解决方法：删除C:\Users\Administrator\Appdata\Roaming\MySQL\Workbench 文件夹即可。

0.0000

0

2

0

关注作者

收藏

kejiayuan0806

Rstudio中更换包镜像服务器的方法

问题描述：在R中安装包时报错，提示：Warning in install.packages : unable to access index for repository “https://cran.rstudio.com/src/contrib”:cannot open URL 'https://cran.rstudio.com/src/contrib/PACKAGES' Warning

99.4764

1

1

0

关注作者

收藏

詹惠儿

简述numpy的agrmax函数

numpy.argmax( ):此函数返回特定轴中数组的max元素的索引。 a

299.9991

2

3

0

关注作者

收藏

<1…229230231…340>

CDA考试动态

CDA报考指南