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

詹惠儿

贝叶斯及条件规则

条件概率顾名思义的条件概率在特定事件的发生概率在满足一个或多个条件时变化时发挥作用（这些条件再次是事件）。用技术术语来说，如果X和Y是两个事件，那么X wrt Y的条件概率用表示。因此，当我们以条件概率的方式进行讨论时，仅作为一个例子，我们做出一个声明，如“给定Y已经发生的事件X的概率”。如果X和Y是独立事件怎么办？根据独立事件的定义，事件X的发生不依赖于事件Y.因此，

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

算法里特征提取和选择

如果数据没有足够的特征，模型很可能就会欠拟合。但如果数据有太多的特征，模型又容易过拟合。那什么是特征呢，它们又从何而来？特征（feature）是指提供给模型的任何输入。在最简单的情况下，特征是直接提供给你的。如果你想基于某人的工作年限来预测其薪水，那工作年限就是你所拥有的唯一的特征。当数据变得更复杂时，事情变得有趣起来。设想我们尝试建立一个垃圾邮件过滤器来预测一封邮件是否是垃圾邮

0.0000

0

0

0

关注作者

收藏

阿抽哥哥

sklearn的KNN最近邻算法中algorithm参数是啥

Nearest Neighbor Algorithms最近邻算法的选择可通过关键字‘algorithm’来控制，其参数有[‘auto’，‘brute’，‘kd_tree’，‘ball_tree’]，默认使用‘auto’时算法尝试从训练数据中确定最佳方法。Brute Forcebrute forse也称暴力计算，是最简单的近邻搜索的实现，即数据集中所有成对点之间距离的暴力计算，对于D维度中的

0.0000

0

6

0

关注作者

收藏

詹惠儿

基本概率规则和模型

概率提供有关事件发生可能性的信息。深入研究概率的术语：试验或实验：导致某种可能性结果的行为。样本空间：实验的所有可能结果的集合。事件：样本空间的非空子集称为事件。因此，在技术术语中，概率是衡量事件进行实验的可能性的指标。基本概率计算根据定义，如果A是实验的事件并且它包含n个结果而S是样本空间那么，因此，概率值介于0和1之间。由于样本空间是整个可

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

偏倚-方差权衡

思考过拟合问题的另一种角度是把它作为偏倚和方差之间的权衡。偏倚和方差这两个名词是用来度量在（来自同一个大型总体的）不同的训练数据集上多次重复训练模型的情况。这表明该模型偏倚较高。然而任何两个随机选择的训练集会给出很相似的模型（因为任何两个随机选择的训练集都应该有大致相似的平均值）。所以我们称这个模型有低方差。高偏倚和低方差典型地对应着欠拟合。另一方面，模型完美地拟合训练集，它具有

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

过拟合和欠拟合

在机器学习中，一种常见的困境是过拟合（overfitting）——指一个在训练数据上表现良好，但对任何新数据的泛化能力却很差的模型。这可能牵扯到对数据中噪声的学习，也可能涉及学习识别特别的输入，而不是对可以得到期望的输出进行准确预测的任何因素。另一种有害的情况是欠拟合（underfitting），它产生的模型甚至在训练数据上都没有好的表现，尽管通常这暗示你模型不够好而要继续寻找改进的模型

0.0000

0

2

0

关注作者

收藏

詹惠儿

深度学习与神经网络的区别

很多人不理解什么是深度学习？它与神经网络有何不同？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

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

什么是建模

什么是模型？它实际上是针对存在于不同变量之间的数学（或概率）联系的一种规范。比如，如果你想为你的社交网站融资，可以建立一个商业模型（大多数情况下建立在一个工作表里），模型的输入是诸如“用户数”“每位用户的广告收入”“雇员数”之类的变量，输出是接下来几年的年度利润。某本烹调指南涉及的模型是输入“吃饭的人数”和“饥饿的程度”来量化所需要的材料。如果你在电视上看过扑克比赛，就会知道选手们通过

0.0000

0

4

0

关注作者

收藏

詹惠儿

简述逻辑回归中的混淆矩阵

混淆矩阵混淆矩阵是通常用于评估分类模型的最重要的度量。混淆矩阵有些指标很容易弄混淆，最好结合实际例子去理解才能印象深刻。混淆矩阵的骨架如下所示：a如您所见，混淆矩阵通过以表格格式测量实际值和预测值来避免“混淆”。在上表中，Positive class = 1和Negative class = 0.以下是我们可以从混淆矩阵中得出的度量：准确性 - 它决定了模型的整体预测准确性。它

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何评估Logistic回归模型的拟合度和准确度？

在线性回归中，我们检查调整后的R²，F统计量，MAE和RMSE，以评估模型拟合度和准确度。但是，Logistic回归采用了所有不同的指标集。在这里，我们处理概率和分类值，以下是用于Logistic回归的评估指标：1. Akaike信息标准（AIC）您可以将AIC视为多元回归中调整后的r square的对应物。这是模型拟合的重要指标。它遵循以下规则：越小越好。 AIC惩罚模型中越来越多

0.0000

0

4

0

关注作者

收藏

詹惠儿

Logistic回归的算法原理

众所周知，Logistic回归假设依赖（或响应）变量遵循二项分布。现在，您可能想知道，什么是二项分布？可以通过以下特征来认识下二项分布：必须有由n表示的固定数量的试验，即在数据集中，必须有固定数量的行。每次试验只能有两个结果; 即，响应变量只能有两个唯一的类别。每次试验的结果必须相互独立; 即，响应变量的唯一级别必须彼此独立。每次试验的成功概率（p）和失败（q）应该相同。让我们了解

0.0000

0

0

0

关注作者

收藏

詹惠儿

Logistic回归技术主要有哪些类型？

Logistic回归不仅限于解决二元分类问题。为了解决具有多个类的问题，我们可以使用Logistic回归的扩展，其包括多项Logistic回归和Ordinal Logistic回归。让我们来看一下他们的基本想法：1.多项Logistic回归：假设我们的目标变量有K = 4类。该技术通过拟合K-1独立二元逻辑分类器模型来处理多类问题。为此，它随机选择一个目标类作为参考类，并适合K-1回归

0.0000

0

2

0

关注作者

收藏

詹惠儿

简单介绍什么是Logistic回归？

很多时候，因变量不是正态分布的情况会出现; 即，违反了正常性的假设。例如，在因变量为二进制（男/女）时考虑问题。你还会使用多元回归吗？当然不是！直到1972年，人们才知道如何分析因变量中具有非正态误差分布的数据。然后，在1972年， John Nelder和Robert Wedderburn以广义线性模型的形式取得了突破。广义线性模型是线性模型框架的扩展，其中包括非正态的因变量。一

0.0000

0

2

0

关注作者

收藏

wangjuju123

字典方法-update

方法update使用一个字典中的项来更新另一个字典。 >>> d = { ... 'title': 'Python Web Site', ... 'url': 'http://www.python.org',... 'changed': 'Mar 14 22:09:15 MET 2016' ... } >>> x = {'title': 'Python Language We

0.0000

0

4

0

关注作者

收藏

wangjuju123

字典方法-item

方法items返回一个包含所有字典项的列表，其中每个元素都为(key, value)的形式。字典项在列表中的排列顺序不确定。 >>> d = {'title': 'Python Web Site', 'url': 'http://www.python.org', 'spam': 0} >>> d.items() dict_items([('url', 'http://www.python.

0.0000

0

5

0

关注作者

收藏

wangjuju123

字典方法-get

方法get为访问字典项提供了宽松的环境。通常，如果你试图访问字典中没有的项，将引发错误。 >>> d = {} >>> print(d['name']) Traceback (most recent call last): File "", line 1, in ? KeyError: 'name' 而使用get不会这样： >>> print(d.get('name

0.0000

0

4

0

关注作者

收藏

wangjuju123

字典方法-fromkeys

方法fromkeys创建一个新字典，其中包含指定的键，且每个键对应的值都是None。 >>> {}.fromkeys(['name', 'age']) {'age': None, 'name': None} 这个示例首先创建了一个空字典，再对其调用方法fromkeys来创建另一个字典，这显得有点多余。你可以不这样做，而是直接对dict（前面说过，dict是所有字典所属的类型）调用方法fro

0.0000

0

3

0

关注作者

收藏

zxq997

抽样的多种组织形式

1.简单随机抽样（simple random sampling, srs）的定义是：任何样本数为n的样本组合中选的机率都是相等的。2.等距抽样（systematic sampling）也有人称它为系统抽样。是先把全体总数N除以样本数n，得到K，也就是每间隔K个抽一个，再用随机数表自1到K选一个随机数R，则R，R＋K，R＋2K，......，R＋（n－1）K等号码中选。3.分层随机抽样（stra

0.0000

0

6

0

关注作者

收藏

wangjuju123

字典方法 -copy

方法copy返回一个新字典，其包含的键值对与原来的字典相同（这个方法执行的是浅复制，因为值本身是原件，而非副本）。 >>> x = {'username': 'admin', 'machines': ['foo', 'bar', 'baz']} >>> y = x.copy() >>> y['username'] = 'mlh' >>> y['machines'].remove('ba

0.0000

0

2

0

关注作者

收藏

zxq997

点估计和区间估计

用样本平均数来估计总体的平均数称为点估计。点估计命中目标的机会是极低的，因为只凭着少数样本观察值得到的结果要和全体的平均数吻合几乎是不可能的事，所以我们最除了点估计，还要用区间估计。根据中央极限定理和正态分布的特性我们知道这个区间包含着全体平均数μ的机会有68%（为了简洁表达，我们后文省去“约”），的机会有95%，而的机会有99.7%！真正可靠的估计势必要用区间估计，只有这样做我们才可以

0.0000

0

2

0

关注作者

收藏

<1…279280281…340>

CDA考试动态

CDA报考指南