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

Excel中的数据类型

在Excel中主要的数据类型分四类：数值、文本、逻辑值、错误值。数值型：有大小之分，可进行运算。数值型数据包括0~9中的数字以及含有正号、负号、货币符号、百分号等任一种符号的数据。默认情况下，数值自动沿单元格右边对齐。负数：在数值前加一个“-”号或把数值放在括号里，都可以输入负数。如：要在单元格中输入“-66”，可以连续输入“(66)”，然后敲回车键都可以在单元格中出现“ -66”。

10.2408

1

1

0

关注作者

收藏

詹惠儿

PCA是指什么？

PCA是主成分分析的英文缩写，主成分分析是指什么呢？因子分析有两种基本方法：主成分分析（PCA）和公因子分析。总体而言，因子分析涉及帮助在变量上产生较少数量的线性组合的技术，以便减少的变量解释并解释相关矩阵模式中的大多数方差。主成分分析是一种因子分析方法，它考虑数据中的总方差，这与公因子分析不同，并将原始变量转换为较小的线性组合。相关矩阵的对角线由统一性组

10.2408

1

2

0

关注作者

收藏

zxq997

ARIMA模型的一般步骤

一般步骤：（1）平稳性检验。在这个环节中，我们需要对数据进行平稳性检验，这是因为只有平稳的序列，其特征才是稳定的，可重复的，也就具有了预测的可能性。如果序列本身是非平稳的，那么通常我们有两种处理方式，一是进行差分，而是进行对数变换。（2）对于平稳的序列，我们需要对计算序列的ACF和PACF，通过分析ACF和PACF拖尾和截尾的形态，来判断ARIMA模型的形式以及p和q的取值（由于考虑差分

0.0000

0

3

0

关注作者

收藏

zxq997

非平稳时间序列ARIMA模型

通过适当差分等手段，将它化为平稳时间序列，再采用ARMA(n,m)模型建模。（1）差分运算差分运算是一种非常简便、有效的确定性信息提取方法，Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息。差分运算的实质是使用自回归的方式提取确定性信息。 其中B为后移算子，Bxt=xt1,差分与后移算子的关系为。（2）差分方式的选择序列蕴含着显著的线性趋势，一

0.0000

0

3

0

关注作者

收藏

zxq997

平稳时间序列ARMA模型

（1）自回归模型AR（n）假设时间序列Xt仅与Xt-1,Xt-2,…,Xt-n有线性关系。而在Xt-1,Xt-2,…,Xt-n已知条件下，Xt与Xt-j （j = n 1、n 2…）无关，εt是一个独立于Xt-1,Xt-2，…，Xt-n的白噪声序列。其中。事实上，AR模型就是从线性回归演化而来，只是线性回归是建立自变量X和因变量Y的线性关系，而向量自回归是建立当期与往期的线性关系。举

0.0000

0

4

0

关注作者

收藏

zxq997

趋势分解法

时间序列预测技术就是通过对预测目标自身时间序列的处理，来研究其变化趋势的。一个时间序列往往是以下几类变化形式的叠加或耦合。长期趋势变动：是指时间序列朝着一定的方向持续上升或下降，或停留在某一水平上的倾向，它反映了客观事物的主要变化趋势；季节变动：是指季度或月度的周期变化；循环变动：通常是指周期为一年以上，由非季节因素引起的涨落起伏波形相似的波动；不规则变动：通常它分为突然变

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

直方图的代码实现

hist·功能：绘制二维条形直方图，可显示数据的分布情形。·使用格式：hist（X， freq=TRUE）把向量X中的数值自动分组，各组距相等，条形图每一条的高度表示频率或者频数，默认freq=TRUE，即画出频数条形图， freq=FALSE时绘出频率条形图。·实例：绘制二维条形直方图，从1到999中随机抽取100个数，并对100取余数，得到100个1到99之

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

使用R如何绘制饼图

pie·功能：绘制饼形图。·使用格式：pie（X）绘制矩阵X中非负数据的饼形图。若X中非负元素和小于1，则函数仅画出部分的饼形图，且非负元素X（i， j）的值直接限定饼形图中扇形的大小；若X中非负元素和大于等于1，则非负元素X（i， j）代表饼形图中的扇形大小通过X（i， j） /Y的大小来决定，其中， Y为矩阵X中非负元素和。·实例：通过向量［1 3 1.5

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

统计作图函数-barplot

通过统计作图函数绘制的图表可以直观地反映出数据及统计量的性质及其内在规律，如盒图可以表示多个样本的均值，误差条形图能同时显示下限误差和上限误差，最小二乘拟合曲线图能分析两变量间的关系。 barplot·功能：绘制简单条形图。·使用格式：barplot（X， horiz=FALSE， main， xlab， ylab）绘制矩阵样本X的分类条形图， X是一个向量或者矩阵。其中，

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

统计特征函数

R提供了大量的与数据探索相关的函数，统计特征函数用于计算数据的均值、方差、标准差、分位数、相关系数、协方差等，这些统计特征能反映出数据的整体分布（1） mean·功能：计算数据样本的算术平均数。·使用格式：n=mean（X）计算样本X的均值n，样本X可为向量、矩阵或多维数组。（2） exp（mean（log（））·功能：计算数据样本的几何平均数。·使用格式：

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

贡献度分析

贡献度分析又称帕累托分析，它的原理是帕累托法则又称20/80定律。同样的投入放在不同的地方会产生不同的效益。例如，对一个公司来讲，80%的利润常常来自于20%最畅销的产品，而其他80%的产品只产生了20%的利润。##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter3/示例程序"）#读取菜品数据，绘

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

离中趋势度量

1）极差极差=最大值-最小值极差对数据集的极端值非常敏感，并且忽略了位于最大值与最小值之间的数据是如何分布的。（2）标准差标准差度量数据偏离均值的程度（3）变异系数变异系数度量标准差相对于均值的离中趋势，变异系数主要用来比较两个或多个具有不同单位或不同波动幅度的数据集的离中趋势。（4）四分位数间距四分位数包括上四分位数和下四分位数。将所有数值由小到大排列并分成四等

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

集中趋势度量

（1）均值均值是所有数据的平均值。有时，为了反映在均值中不同成分所占的不同重要程度，为数据集中的每一个xi赋予wi。作为一个统计量，均值的主要问题是对极端值很敏感。如果数据中存在极端值或者数据是偏态分布的，那么均值就不能很好地度量数据的集中趋势。为了消除少数极端值的影响，可以使用截断均值或者中位数来度量数据的集中趋势。截断均值是去掉高、低极端值之后的平均数。（2

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

分布分析能揭示数据的分布特征和分布类型。对于定量数据，欲了解其分布形式是对称的还是非对称的、发现某些特大或特小的可疑值，可做出频率分布表、绘制频率分布直方图、绘制茎叶图进行直观地分析；对于定性数据，可用饼形图和条形图直观地显示分布情况。1.定量数据的分布分析对于定量变量，选择“组数”和“组宽”是做频率分布分析时最主要的问题，一般按照以下步骤：1）求极差；2）

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

一致性分析

数据不一致性是指数据的矛盾性、不相容性。直接对不一致的数据进行挖掘，可能会产生与实际相违背的挖掘结果。在数据挖掘过程中，不一致数据的产生主要发生在数据集成的过程中，可能是由被挖掘数据来自于不同的数据源、对于重复存放的数据未能进行一致性更新造成的。例如，两张表中都存储了用户的电话号码，但在用户的电话号码发生改变时只更新了一张表中的数据，那么这两张表中就有了不一致的数据。

0.0000

0

4

0

关注作者

收藏

阿抽哥哥

决策树中用graphviz画出的树图怎么看这些参数

如图中所示，这些参数是啥意思啊？答： meda

0.0000

0

1

0

关注作者

收藏

詹惠儿

k-means聚类的分析原理是什么？

通常，对原始数据表执行k -means聚类分析，其中每行表示对象，列表示对象的定量特征。这些定量特征称为聚类变量。例如，表中有18个对象，并且有两个聚类变量x和y。在实际应用程序中，通常会有更多对象和更多变量。例如，在市场细分中，其中k-means用于查找具有相似需求的消费者群体，每个对象是一个人，每个变量通常是对各种事物对消费者的重要程度（例如，质量，价格，客户服务，便利性）的评级。步骤1：

0.0000

0

2

0

关注作者

收藏

詹惠儿

朴素贝叶斯的EM算法是什么？

EM算法即期望最大化算法。期望最大化（EM）算法是一种迭代方法，用于在统计模型中找到参数的最大似然或最大后验（MAP）估计，其中模型取决于未观察到的潜在变量。EM迭代在执行期望（E）步骤和最大化（M）步骤之间交替，期望（E）步骤创建用于使用参数的当前估计评估的对数似然的期望的函数，最大化（M）步骤计算最大化预期对数的参数。在E步骤中发现的可能性。然后使用这些参数估

0.0000

0

1

0

关注作者

收藏

詹惠儿

随机森林有什么作用？

已知树模型是高方差，低偏差模型。结果，他们倾向于过度拟合训练数据。如果我们重新概述树模型的作用，如果我们不修剪它或引入早期停止标准，如每个叶节点的最小实例数，那么这是很吸引人的。好吧，它尝试沿着要素分割数据，直到实例纯粹关于目标要素的值，没有剩余数据，或者没有剩余的要素来吐出数据集。如果以上之一成立，我们会生成一个叶节点。结果是树模型生长到最大深度，并且试图尽可能精确地重塑训练数

0.0000

0

3

0

关注作者

收藏

詹惠儿

混淆矩阵中的准确度

准确度（错误率）准确度是一种统计测量，其定义为由分类器做出的正确预测除以分类器做出的预测之和的商。我们前一个例子中的分类器预测正确预测了42个男性实例和32个女性实例。因此，精度可以通过以下公式计算：(42 32)/(42 8 18 32)(42 32)/(42 8 18 32)这是0.72让我们假设我们有一个分类器，它总是预测“女性”。在这种情况下，我们的准确率为50％。我

0.0000

0

1

0

关注作者

收藏

<1…271272273…340>

CDA考试动态

CDA报考指南