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

zxq997

from __future__ import

Python 如此广受欢迎还有一个原因是它总是开发新版本。要知道，新版本意味着有新功能。但你不必害怕所用的版本过时了。这个__future__模块可以让你在现有版本上导入 Python 未来版本的功能。这一特征就好像时间旅行机一样，让未来的东西穿越到现在来使用。

0.0000

0

3

0

关注作者

收藏

zxq997

如何打出 emoji 表情？参阅：https://pypi.org/project/emoji/

0.0000

0

2

0

关注作者

收藏

zxq997

你是否知道如何查看 Python 对象并查看它都有哪些属性？使用命令行：当你通过交互方式来运行 Python，并动态地探索你正在使用的对象和模块时，这一功能就非常有用了。要了解更多信息请访问：https://docs.python.org/3/library/functions.html#dir

0.0000

0

2

0

关注作者

收藏

zxq997

collections 模块

Python 有一些很好的默认数据类型，但有时它们的行为并不完全像你所期望的那样。幸运的是，Python 标准库提供了 collections 模块，这个方便的附加组件提供了更多的数据类型。参阅：https://docs.python.org/3/library/collections.html

0.0000

0

3

0

关注作者

收藏

zxq997

你想在控制台（console）上绘制图形吗？$ pip install bashplotlib这样你在控制台中就可以绘制图形了。

0.0000

0

2

0

关注作者

收藏

zxq997

Python 如此受欢迎，原因之一是因为它具有可读性和可表达性。人们经常开玩笑说 Python 是“可执行的伪代码”，但是当你可以这样编写代码时，你就很难反驳了。x = [True, True, False]if any(x): print("At least one True")if all(x): print("Not one False")if any(x)

0.0000

0

1

0

关注作者

收藏

阿抽哥哥

matplotlib基本误差线

衡量数据误差是科学测量中无比重要的事儿，而在数据可视化异常处理中将数据的误差用图形描绘出来能提供更多的有效信息。%matplotlib inlineimport matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npplt.style.use('seaborn-whitegrid') # 导入各种包x

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

基特征选择作为pipeline管道的一部分

特征选择通常在实际的学习之前用来做预处理。在 scikit-learn 中推荐的方式是使用 :sklearn.pipeline.Pipeline:clf = Pipeline([ ('feature_selection', SelectFromModel(LinearSVC(penalty="l1"))), ('classification', RandomForestClassifier()

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

基于树的特征选择

基于树的 estimators 可以用来计算特征的重要性，然后可以消除不相关的特征（当与 sklearn.feature_selection.SelectFromModel 等元转换器一同使用时）:>>>>>> from sklearn.ensemble import ExtraTreesClassifier >>> from sklearn.datasets import load_iris

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

利用稀疏logistics回归进行特征选择

Linear models 使用 L1 正则化的线性模型会得到稀疏解：他们的许多系数为 0。当目标是降低使用另一个分类器的数据集的维度，它们可以与 feature_selection.SelectFromModel 一起使用来选择非零系数。特别的，可以用于此目的的稀疏评估器有用于回归的 linear_model.Lasso , 以及用于分类的 linear_model.LogisticRegr

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

用贝叶斯回归来解决回归问题

>>> from sklearn import linear_model>>> X = [[0., 0.], [1., 1.], [2., 2.], [3., 3.]]>>> Y = [0., 1., 2., 3.]>>> reg = linear_model.BayesianRidge()>>> reg.fit(X, Y)BayesianRidge(alpha_1=1e-06, alp

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

最小角回归

最小角回归（LARS）是对高维数据的回归算法，由 Bradley Efron, Trevor Hastie, Iain Johnstone 和 Robert Tibshirani 开发完成。 LARS 和逐步回归很像。在每一步，它寻找与响应最有关联的预测。当有很多预测有相同的关联时，它没有继续利用相同的预测，而是在这些预测中找出应该等角的方向。LARS的优点:当 p >> n，该算法

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

广义交叉验证

通过内置的 Alpha 参数的交叉验证来实现岭回归。该对象与 GridSearchCV 的使用方法相同，只是它默认为 Generalized Cross-Validation(广义交叉验证 GCV)，这是一种有效的留一验证方法（LOO-CV）:>>>>>> from sklearn import linear_model >>> reg = linear_model.RidgeCV(alph

0.0000

0

5

0

关注作者

收藏

啊啊啊啊啊吖

lasso回归的惩罚函数

def lasso_penalty(beta, alpha):return alpha * sum(abs(beta_i) for beta_i in beta[1:])总的说来，岭回归的惩罚项会缩小系数，但是， lasso 的惩罚项却趋向于迫使系数变为 0值，这使得它更适于学习稀疏模型。令人遗憾的是，它不适用于梯度下降法。

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

关于bootstrap的思考

假设我们有一个含有 n 个数据点的样本，并且这些点是按照某种（我们不知道的）概率分布生成的：data = get_sample(num_points=n)如果样品中所有的数据都非常接近 100，则实际的中位数很可能也非常接近 100。如果样本中一半左右的数据接近 0，而另一半则接近 200，那么我们就很难确信中位数到底接近多少。如果我们能够不断获得新的样本，那么就可以计算出每个新

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

def multiple_r_squared(x, y, beta):sum_of_squared_errors = sum(error(x_i, y_i, beta) ** 2for x_i, y_i in zip(x, y))return 1.0 - sum_of_squared_errors / total_sum_of_squares(y)但是不要忘了，只要向回归模型中添加新的变量

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

对于随机梯度下降来说，我们只需要单次预测对应的平方误差：def error(x_i, y_i, beta):return y_i - predict(x_i, beta)def squared_error(x_i, y_i, beta):return error(x_i, y_i, beta) ** 2如果你熟悉微积分，可以通过下面的方式进行计算：def squared_error_

0.0000

0

2

0

关注作者

收藏

詹惠儿

python规范化的术语

将我们的文档（以及我们的查询）分解为标记后，最简单的情况是查询中的标记是否与文档的标记列表中的标记匹配。但是，在很多情况下，两个字符序列不完全相同，但您希望匹配发生。例如，如果您搜索美国，您可能希望也匹配包含USA的文档。令牌标准化是规范化令牌的过程，以便尽管令牌的字符序列存在表面差异，但仍会发生匹配。标准化的最标准方法是隐式创建等价类，通常以集合的一个成员命名。例如，如果令牌反歧视和反

0.0000

0

2

0

关注作者

收藏

詹惠儿

去停用词是什么？

有时，一些非常常见的单词在帮助选择符合用户需求的文档时似乎没什么价值，它们完全被排除在词汇表之外。这些话被称为停止说话。确定停止列表的一般策略是对术语进行排序收集频率（每个术语在文档集合中出现的总次数），然后采用最频繁的术语，通常手动过滤其相对于被索引的文档的域的语义内容，作为停止列表，然后在索引期间丢弃其成员。停止列表的示例如图2.5所示。使用停止列表可以显着减少系统必须存储的过帐数量;并且很多

0.0000

0

2

0

关注作者

收藏

詹惠儿

python怎么符号化？

给定一个字符序列和一个定义的文档单元，标记化是将其切成碎片的任务，称为令牌，也许同时丢掉某些字符，如标点符号。以下是标记化的示例：这些令牌通常被宽泛地称为术语或单词，但有时制作类型/令牌很重要区别。一个代币是一些特定文档中的字符序列的实例，它们被组合在一起作为用于处理的有用语义单元。一个type是包含相同字符序列的所有标记的类。一个term是包含在IR系统字典中的（可能是规范化的）类型

0.0000

0

2

0

关注作者

收藏

<1…260261262…340>

CDA考试动态

CDA报考指南