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

Python中的函数是什么？

在Python中，function是一组执行特定任务的相关语句。函数有助于将我们的程序分解为更小的模块。随着我们的计划越来越大，功能使其更加有条理和易于管理。此外，它避免重复并使代码可重用。函数的语法def function_name（参数）：“”“文档字符串”“”声明（S）上面显示的是一个函数定义，它由以下组件组成。关键字def标记功能标题的开头。用于唯一标识它的函数名称

0.0000

0

5

0

关注作者

收藏

詹惠儿

学习python的数据类型

数据类型python中可用的数据结构是列表，元组和字典。集合在sets库中可用（但内置于Python 2.5及更高版本中）。列表就像一维数组（但你也可以有其他列表的列表），字典是关联数组（也就是哈希表），元组是不可变的一维数组（Python“数组”可以是任何类型，所以你可以在列表/词典/元组中混合例如整数，字符串等）。所有数组类型中第一项的索引为0. 负数从结尾到开头计数，-1是最后一项。变量可

46.4498

1

1

0

关注作者

收藏

詹惠儿

简单理解机器学习

机器学习概述机器学习（ML）是一种算法类别，它允许软件应用程序在未经明确编程的情况下更准确地预测结果。机器学习的基本前提是构建可以接收输入数据的算法，并使用统计分析预测输出，同时在新数据可用时更新输出。机器学习中涉及的过程类似于数据挖掘和预测建模。两者都需要搜索数据以查找模式并相应地调整程序操作。许多人都熟悉通过互联网购物和提供与购买相关的广告的机器学习。这是

269.7471

1

1

0

关注作者

收藏

啊啊啊啊啊吖

NumPy矩阵与数组的区别

NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果，其中NumPy函数库中的matrix与MATLAB中matrices等价。

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

开发机器学习应用程序的步骤

开发机器学习应用程序通常遵循以下的步骤。(1) 收集数据。我们可以使用很多方法收集样本数据，如：制作网络爬虫从网站上抽取数据、从RSS反馈或者API中得到信息、设备发送过来的实测数据（风速、血糖等）。提取数据的方法非常多，为了节省时间与精力，可以使用公开可用的数据源。(2) 准备输入数据。得到数据之后，还必须确保数据格式符合要求，本书采用的格式是Python语言的List。使用这种标准

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

自己怎么选择合适的算法

必须考虑下面两个问题：一、使用机器学习算法的目的，想要算法完成何种任务，比如是预测明天下雨的概率还是对投票者按照兴趣分组；二、需要分析或收集的数据是什么。首先考虑使用机器学习算法的目的。如果想要预测目标变量的值，则可以选择监督学习算法，否则可以选择无监督学习算法。确定选择监督学习算法之后，需要进一步确定目标变量类型，如果目标变量是离散型，如是/否、 1/2/3、 A/B/C或者红/黄/

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

误差与拟合是什么？

在了解误差前先来了解下什么是错误率。通常我们把分类错误的样本数占总样本数的比例称为“错误率”，把学习器的实际预测输出与样本的真实输出之间的差异称为“误差”。其中学习器在训练集数据上的误差称为“训练误差”，在新样本上的误差称为“泛化误差”，而使误差变小就是在降低分类错误率。我们希望训练出来的学习器能在新样本表现得很好，泛化误差小，即学习器对新样本的拟合效果好。而新样本是什么事先是不知道的，所以能做

46.4498

1

1

0

关注作者

收藏

啊啊啊啊啊吖

用于执行分类、回归、聚类和密度估计的算法

监督学习的用途：k-近邻算法线性回归朴素贝叶斯算法局部加权线性回归支持向量机Ridge回归决策树lasso最小回归无监督学习的用途K-均值最大期望算法DBSCANparzen窗设计

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

如何将.Rdata文件转换成txt文件

使用R语言计算了SPEI和spi指数，将其保存为了.rdata格式，请问如何将.Rdata文件转换为txt格式或者xls,csv等？在R或者Rstudio中操作：load(file="AAA.Rdata") # 路径自己指明write(BBB,file="CCC.txt") #BBB 是加载Rdata后的对象名称

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

终于解决了打开aa.Rdata中的数据

如何像打开csv格式的数据一样打开aa.Rdata？谢谢！！想查看全部的aa.Rdata中的数据，因为这个数据有点多，近百个变量，近million行.aa=read.csv("aa.csv",header=TRUE,sep=",")aaa=save(aa,file="aa.Rdata")数据量太大了，用edit(card)

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

关于rdata数据抽取

有个数据提取问题，描述如下：图示为rdata里读取到的2012-2013年沪A数据我的目标是，提取（每个股票每个月）的头一个交易日和最后一个交易日所对应的数据也就是红框里的这些行。我知道得从第二列的date入手，但是每个股票以及每个月的头一个交易日和最后一个交易日，可能互不相同，没有固定日期想麻烦高手们支个招，非常感谢a先把2012-01-29，分开year:2

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

数据转置问题

想把我的数据进行一下转置，可是转置后，我的数据第一行的变量名称就变成数据了library(tidyverse)long.jingji

5.6893

1

6

0

关注作者

收藏

阿抽哥哥

R Markdown做数据报告时找不到Aids2数据对象

问题：为什么使用“Aids2”数据集做数据分析报告报错，找不到对象“Aids2”？答：“Aids2”数据集是来自R的Package中的“MASS”包，如果找不到“Aids2”数据集，试着先导入Package再使用数据：library(MASS)

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

安装建议用rstudio安装（可以自动安装依赖包比较方便）a安装后在控制台输入ggplot_shiny()a有四种方式打开此界面1 ggplot_gui(你的 dataframe)2 使用自带数据集 ggplot_shiny()3 上传你的数据文件a4 粘贴一些数据（需要"tidy"，依赖包里已包含）a通过点击ggplot和plotly就可以制作图了（左侧是数据参数

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

【问题求助】时间序列分解后的问题

不管用R还是Python，然后是STL分解还是普通分解，分解出来画图是正常的，但是提取残差项和趋势项时全部是NA，只有季节项有数字，请问时怎么回事？可以怎么解决？python：用的seasonal_decomposea 分解后画图正常，但是提取时全是NA，R也是类似的aa

0.0000

0

2

0

关注作者

收藏

wangjuju123

算法选择参考

之前翻译过一些国外的文章，有一篇文章中给出了一个简单的算法选择技巧：首当其冲应该选择的就是逻辑回归，如果它的效果不怎么样，那么可以将它的结果作为基准来参考，在基础上与其他算法进行比较；然后试试决策树（随机森林）看看是否可以大幅度提升你的模型性能。即便最后你并没有把它当做为最终模型，你也可以使用随机森林来移除噪声变量，做特征选择；如果特征的数量和观测样本特别多，那么当资源和时间充足时（这个

0.0000

0

1

0

关注作者

收藏

wangjuju123

Adaboost是一种加和模型，每个模型都是基于上一次模型的错误率来建立的，过分关注分错的样本，而对正确分类的样本减少关注度，逐次迭代之后，可以得到一个相对较好的模型。是一种典型的boosting算法。下面是总结下它的优缺点。优点adaboost是一种有很高精度的分类器。可以使用各种方法构建子分类器，Adaboost算法提供的是框架。当使用简单分类器时，计算出的结果是可以理解的，并且弱

0.0000

0

2

0

关注作者

收藏

wangjuju123

这是一个近年来出现在各大比赛的大杀器，夺冠选手很大部分都使用了它。高准确率高效率高并发，支持自定义损失函数，既可以用来分类又可以用来回归可以像随机森林一样输出特征重要性，因为速度快，适合作为高维特征选择的一大利器在目标函数中加入正则项，控制了模型的复杂程度，可以避免过拟合支持列抽样，也就是随机选择特征，增强了模型的稳定性对缺失值不敏感，可以学习到包含缺失值的特征的分裂方向另外一个广受欢

46.4498

1

3

0

关注作者

收藏

wangjuju123

关于K-Means聚类的文章，链接：机器学习算法-K-means聚类。关于K-Means的推导，里面有着很强大的EM思想。优点算法简单，容易实现；对处理大数据集，该算法是相对可伸缩的和高效率的，因为它的复杂度大约是O(nkt)，其中n是所有对象的数目，k是簇的数目,t是迭代的次数。通常k

0.0000

0

0

0

关注作者

收藏

wangjuju123

人工神经网络的优缺点

人工神经网络的优点：分类的准确度高；并行分布处理能力强,分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系；具备联想记忆的功能。人工神经网络的缺点：神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值；不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度；学习时间过长,甚至可能达不到学习的目的。

0.0000

0

2

0

关注作者

收藏

<1…290291292…340>

CDA考试动态

CDA报考指南