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

liting李

ETL概念:ETL是将业务系统的数据经过抽取（Extract）、清洗转换（Transform）之后加载（Load）到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。 ETL工作流程：先抽取、然后加载到目标数据库中、在目标数据库中完成转换操作。在ELT架构中，ELT只负责提供图形化的界面来设计业务规则，数据的整个加工过程都在目标和源的数据库之间流动，

99.8872

1

0

0

关注作者

收藏

詹惠儿

StandardScaler和MinMaxScaler处理数据时效果一样吗，要选择哪个？

问：StandardScaler和MinMaxScaler处理数据时效果一样吗，要选择哪个？答：⼤多数机器学习算法中，会选择StandardScaler来进⾏特征缩放，因为MinMaxScaler对异常值⾮常敏感。在PCA，聚类，逻辑回归，⽀持向量机，神经⽹络这些算法中， StandardScaler往往是最好的选择。MinMaxScaler在不涉及距离度量、梯度、协⽅差计算以及数据需要被压缩到

99.8872

1

0

0

关注作者

收藏

詹惠儿

Python怎么实现数据的标准化？

问：Python怎么实现数据的标准化？答：在sklearn中preprocessing.StandardScaler模块可以实现这⼀功能。from sklearn.preprocessing import StandardScalerdata = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]scaler = StandardScaler() #实例化scaler.

99.8872

1

0

0

关注作者

收藏

詹惠儿

SVM模型属于有参数模型还是无参数模型呢 ?

问：SVM模型属于有参数模型还是无参数模型呢 ? 答：机器学习中，是否是有参数模型主要看当前模型的参数是否是有限个， SVM的线性形式中，也就是损失函数是关于w与b的时候，这个时候参数的个数是⼀定的，因为数据集当中特征的个数是不变的，参数的个数就是数据集特征的个数+1。⽽在对偶的形式中，这个a向量的个数是不⼀定的，对偶形式下参数的个数是依赖于样本的个数的。因此在SVM的线性的形式下，模型是有参数

99.8872

1

0

0

关注作者

收藏

詹惠儿

感知机是怎么定义损失函数？

问：感知机是怎么定义损失函数？答：可以通过当前超平面的误分类点的个数来定义损失函数，假如我们找到了最优的wx+b = 0(不是当前的 ),⻩⾊的点应该在最优的绿⾊线的上⽅，⽽紫⾊的点应该在最优的绿⾊的线的下⽅。所以对于最优的绿⾊的线来说, ⻩⾊所有的点应该符合wx + b > 0, ⽽紫⾊的所有点应该都符合wx + b < 0。但是在在下情况不⼀样了。在当前的情况下, 有两个紫⾊的点在绿⾊的线

99.8872

1

0

0

关注作者

收藏

詹惠儿

Bagging预测过程中怎么分配每个模型的权重的？

问：Bagging预测过程中怎么分配每个模型的权重的？答：在bagging中每一个基评估的权重都是一样的，因为bagging中，模型独立，模型相互不影响，所以每个模型都相同的重要。每个模型将预测结果通过加权平均的方式，给出最终bagging预测的结果。

99.8872

1

0

0

关注作者

收藏

詹惠儿

怎么判断主成分分析后的结果好坏？

问：怎么判断主成分分析后的结果好坏？答：主成分分析优劣的判定标准：第一，尽量将更多变量压缩在第一主成分和第二主成分之内；第二，第一主成分解释的信息能够超过 50%；第三，主成分的累积信息总和超过 70%；第四，变量数除以主成分数(最终保留)大于 3;第五，用更少的主成分代表更多的变量。

133.3333

1

0

0

关注作者

收藏

詹惠儿

Excel怎么快速生成几千个连续的序号？

问：Excel怎么快速生成几千个连续的序号？答：步骤：1.在任一单元格填入一个初始值 2.选中该单元格，在【开始】选项卡下选择【填充】按钮，选择【序列】3. 在【序列产生在】选择【列】，根据需要填入步长值和终止值即可自动生成。

133.3333

1

0

0

关注作者

收藏

詹惠儿

建立模型过程中进行特征筛选有哪些需要注意的点？

问：建立模型过程中进行特征筛选有哪些需要注意的点？答：（1）方法通过经验法从业务上判断变量重要性，这样有助于与业务环境相契合，不至于模型脱节于业务，造成与同事、老板的经验不一致。（2）维度维度分析的整体规律是从低维到多维。描述性统计侧重于单维分析，并通过图形过渡到对双变量的处理，将双维问题推广到多维，这是统计分析的一般性流程。（3）变量重要性业务导向和（第三步）相关分析都是通过业务准则

133.3333

1

0

0

关注作者

收藏

詹惠儿

Mysql报错Error Code: 1300. Invalid utf8mb4 character string: 'Amazon'

问：Mysql报错Error Code: 1300. Invalid utf8mb4 character string: 'Amazon' 答：这是因为需要导入的数据的编码格式不是utf8，在mysql中编译不了，解决方法是先用电脑记事本打开该数据，选择---另存为，将编码格式改为“utf8”；或者用notepad打开，在编码选项卡下，选择“转为utf8格式”，然后进行导数操作。

133.3333

1

0

0

关注作者

收藏

詹惠儿

Mysql报错Error Code: 1262. Row 2 was truncated; it contained more data than there were inputcolumns

问：Mysql报错Error Code: 1262. Row 2 was truncated; it contained more data than there were inputcolumns 答：这是因为导入的数据字段数与表设置的字符安数不一致，另外，当数据中含有转义字符加空字符或换行符等特殊字符时，可能会因转义问题出现此报错；解决方法是修改mysql的sql_mode为空，语句为：set

133.3333

1

0

0

关注作者

收藏

liting李

启动Mysql服务报windows无法启动Mysql服务(位于本地计算机上) 错误2:系统找不到指定的文件

启动MySQL服务时，出现如上图所示的报错，该怎么解决呢？解决方案：1、首先，在电脑右下角输入regedit，打开注册表编辑器2、接着，打开HKEY_LOCAL_MACHINE--->SYSTEM--->CurrentControlSet--->Services--->MySQL，点击MySQL文件夹如果是默认安装路径，可以修改为："C:\Program Files\MySQL\MySQL Ser

133.3333

1

0

0

关注作者

收藏

liting李

SQL连接查询中on and和on where的区别

一、区别1、 and条件是在生成临时表时使用的条件，它不管and中的条件是否为真，都会返回左(或者右)边表中的记录。2、where条件是在临时表生成好后，再对临时表进行过滤的条件。这时已经没有left join的含义（必须返回左边表的记录）了，条件不为真的就全部过滤掉。二、例produc表 produc_details问题是下面两个查询结果有什么不同1.SELECT * FROM product

100.0000

1

0

0

关注作者

收藏

詹惠儿

python报错：NameError : name 'a1’ is not defined

问：python报错：NameError : name 'a1’ is not defined答：上图中报name 'a1' is not defined的错误，报次错误的原因是因为a1在运行a1+a2这行代码之前没有被定义，要想解决上图中的错误，需要先执行定义a1的代码，也就是下图红色框中的代码

100.0000

1

0

0

关注作者

收藏

詹惠儿

mysql有没有函数是可以对日期数据进行相减的？

问：mysql有没有函数是可以对日期数据进行相减的？答：mysql中要进行日期数据的相加减可以使用date_aub()和subdate()函数，其语法如下：DATE_SUB(date,interval expr type)SUBDATE(date,interval expr type)其中：date是一个datetime或date值expr对date进行加减法的一个表达式字符串type指明表达式e

100.0000

1

0

0

关注作者

收藏

詹惠儿

调查分析中怎么确定样本量的大小？

问：调查分析中怎么确定样本量的大小？答：a) 调查分析中的样本量不建议小于 30 个；b) 关键变量的测量误差，尤其是因变量，如果有理由认为误差增加，样本量需相应增加；c) 变量个数的 10 倍-30 倍之间为宜；d) 模型的复杂度，如果涉及到多组模型的联立，建议 200 样本量以上，模型越复杂，所需样本量越多；e) 一个常用的折中方案：普通模型的样本量在 60 到 200 之间；结构方程、广义方

100.0000

1

0

0

关注作者

收藏

詹惠儿

相关分析课上说的文氏图是什么？

问：相关分析课上说的文氏图是什么？答：文氏图被表示成圆形(方差)及相互重叠部分，通常用来衡量低维空间中变量间的关系。图中单阴影部分（𝑎 + 𝑏），对应于因变量𝑦与自变量𝑥1 的协方差系数，但有时为了通俗表述起见，将其视为相关系数；因变量𝑦与自变量𝑥2 的相关为𝑏 + 𝑐； 𝑎可以理解为因变量𝑦与自变量𝑥1 的净相关或偏相关（除去𝑥2 的影响后）； 𝑏可以理解为𝑥2 对

100.0000

1

0

0

关注作者

收藏

詹惠儿

怎么理解相关分析是模型分析的风向标？

问：怎么理解相关分析是模型分析的风向标？答：这是因为风向标的作用其实有两个：一个是判断风的方向；另一个是判断风力大小。这与相关分析功能很相似，大部分的相关分析系数可以用于判断变量间方向和大小问题，在相关分析散点图中，每个点偏离质心（因变量和自变量均值线的交叉处) 的远近，产生了相关强度，而且这个强度具有方向性，并可以区分为四个象限，一三象限是正相关，二四象限是负相关。

100.0000

1

0

0

关注作者

收藏

詹惠儿

统计量和总体、分布函数这些有什么关系？

问：统计量和总体、分布函数这些有什么关系？答：统计量可以表示为由样本构造的函数，此函数并不依赖于任何（总体）未知参数。例如样本计算得到的均值、比例、方差等统计量。这也是统计推断的基础。分布函数𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)称为𝑋的分布函数,表示随机变量𝑋值小于等于𝑥的概率。密度函数𝑓(𝑥)可以表示为𝐹(𝑥)在𝑥处的一阶导数。

100.0000

1

0

0

关注作者

收藏

詹惠儿

mysql中为什么要用别名？

问：mysql中为什么要用别名？答：在mysql中别名可以分为表别名和字段别名，一般在以下情况会使用别名：表别名在两个表存在同名字段时，可以用来区分字段来自哪个表；当字段名或表名比较长，不方便查找时，为了方便查阅可以使用字段别名/表别名。

150.0000

1

0

0

关注作者

收藏

<1…272829…340>

CDA考试动态

CDA报考指南