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

wangjuju123

bagging方法bootstrap aggregating的缩写，采用的是随机有放回的选择训练数据然后构造分类器，最后组合。这里以随机森林为例进行讲解。随机森林算法概述随机森林算法是上世纪八十年代Breiman等人提出来的，其基本思想就是构造很多棵决策树，形成一个森林，然后用这些决策树共同决策输出类别是什么。随机森林算法及在构建单一决策树的基础上的，同时是单一决策树算法的延伸和改进。在整

0.0000

0

1

0

关注作者

收藏

wangjuju123

Adaboost是boosting中较为代表的算法，基本思想是通过训练数据的分布构造一个分类器，然后通过误差率求出这个若弱分类器的权重，通过更新训练数据的分布，迭代进行，直到达到迭代次数或者损失函数小于某一阈值。Adaboost的算法流程：假设训练数据集为T={(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),(X5,Y5)} 其中Yi={-1,1}1、初始化训练数据的分

0.0000

0

2

0

关注作者

收藏

wangjuju123

集成学习概述

1.1 集成学习概述集成学习在机器学习算法中具有较高的准去率，不足之处就是模型的训练过程可能比较复杂，效率不是很高。目前接触较多的集成学习主要有2种：基于Boosting的和基于Bagging，前者的代表算法有Adaboost、GBDT、XGBOOST、后者的代表算法主要是随机森林。1.2 集成学习的主要思想集成学习的主要思想是利用一定的手段学习出多个分类器，而且这多个分类器要求是弱分

0.0000

0

1

0

关注作者

收藏

wangjuju123

集成算法——Adaboost代码

集成算法是我们将不同的分类器组合起来，而这种组合结果就被称为集成方法或者是元算法。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同意算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。两种形式：bagging方法：从原始数据集选择S次后得到S个新数据集，之后将某个学习算法分别作用于数据集，就得到了S个分类器，在对新的数据集进行分类时，使用这些分类器进行分类

0.0000

0

2

0

关注作者

收藏

wangjuju123

小海龟画圆

import turtle #import是一个关键字，用来引入一些外部库，这里的含义是引入一个名字叫turtle的函数库turtle.setup(800,600)#窗口的大小 turtle.shape("turtle")#形状是一个海龟除了画海龟还可以画箭头，圆圈等等 turtle.color("red")#颜色是红色 turtle.speed(1)#画笔速度 turtle.pensi

0.0000

0

4

0

关注作者

收藏

809669515

基于抽样的算法SMOTE

2002年，引入了一种基于抽样的算法SMOTE（Synthetic Minority Over-Sampling Technique），试图解决类不平衡问题。由于其简单性和有效性，它是最常用的方法之一。它是过采样和欠采样的组合，但过采样方法不是复制少数类，而是通过算法构造新的少数类数据实例。在传统的过采样中，少数类正在被复制。在SMOTE中，以这种方式构造新的少数派实例：a构造算法背后的直

114.3933

1

2

0

关注作者

收藏

809669515

如何缓解类不平衡问题？

现在知道类不平衡问题是什么以及它为什么是一个问题，我们需要知道如何处理这个问题。我们可以将方法粗略地分为两大类：基于抽样的方法和基于成本函数的方法。基于成本函数的方法基于成本函数的方法背后的直觉是，如果我们认为一个假阴性比一个假阳性更差，我们将计算一个假阴性，例如100个假阴性。例如，如果1个假阴性与100个假阳性一样昂贵，则机器学习算法将尝试与假阳性相比产生更少的假阴性（因为它更便宜）。

0.0000

0

1

0

关注作者

收藏

PGC123

numpy在计算时如何跳过nan值？

numpy.ndarray 在求mean，max，min的时候如何忽略跳过nan值？我们在对一个python numpy数组求均值或最大值的时候，如果这个数组里包含nan，那么程序就会报错或者求出来的值是nan，如下所示import numpy as npIn [1]: import numpy as npIn [2]: test = np.array([3,5,4,7,np.na

0.0000

0

1

0

关注作者

收藏

809669515

如何判断机器学习算法哪个更好？

为了告诉机器学习算法（或研究人员）模型2优于模型1，我们需要更好的指标，而不仅仅是计算错误的数量。我们介绍了真阳性，真阴性，假阳性和假阴性的概念：真阳性（TP rate） - 一个积极的例子，被正确归类为阳性真阴性（TN rate） - 一个阴性的例子，被正确分类为阴性误报（FP rate） - 一个否定的例子，但被错误地归类为正面假阴性（FN rate） - 一个积

114.3933

1

1

0

关注作者

收藏

wangjuju123

用python绘制太阳花

import turtle #import是一个关键字，用来引入一些外部库，这里的含义是引入一个名字叫turtle的函数库turtle.setup(800,600)#窗口的大小turtle.shape("turtle")turtle.begin_fill()#填充图形前，调用该方法turtle.color('red','yellow')#颜色是橙色turtle.speed(8)#画笔速度

0.0000

0

5

0

关注作者

收藏

wangjuju123

python字段设置

一、执行python代码是出现以下错误：报错显示

0.0000

0

3

0

关注作者

收藏

PGC123

workbench光标没了？

我的workbench咋光标没了？怎么解决？这是不小心点击了Insert按钮导致的，点击这个按钮进入编辑模式，就是当前这种状态。如果想恢复之前的编辑状态只需再点击一次insert即可。

0.0000

0

4

0

关注作者

收藏

809669515

分类 (Classification)：ROC 和曲线下面积

ROC 曲线ROC 曲线（接收者操作特征曲线）是一种显示分类模型在所有分类阈值下的效果的图表。该曲线绘制了以下两个参数：真正例率假正例率真正例率(TPR) 是召回率的同义词，因此定义如下：假正例率(FPR) 的定义如下： ROC 曲线用于绘制采用不同分类阈值时的 TPR 与 FPR。降低分类阈值会导致将更多样本归为正类别，从而增加假正例和真正例的个数。下图显示了一个典型的

0.0000

0

1

0

关注作者

收藏

PGC123

numpy倒序排序？

numpy 如何实现倒叙排序？没有发现哪个函数参数组合可以实现这个功能，只能用python内置函数吗？不是的，numpy既然可以升序排序当然也可以降序排序了，不同其他参数，只需在参数前加负号即可。实现方法如下图所示：

0.0000

0

2

0

关注作者

收藏

wangjuju123

为什么我的画布设置不起作用？

一、问题描述使用python中绘图包matplotlib.pyplot绘图时发现我们对画布设置的参数对图中所画的数据图不起作用，这是为什么呢？下面是我们绘图的代码：imp0.plot(kind='bar', title='Feature Importances')plt.figure(figsize=(15,3), dpi=100)plt.ylabel('Feature Importan

0.0000

0

1

0

关注作者

收藏

809669515

如何在Python中获取当前时间

time模块time模块提供的功能告诉我们“自纪元以来的秒数”以及其他实用程序的时间。 >>> import time Unix大纪元时间这是您应该获取用于保存数据库的时间戳的格式。它是一个简单的浮点数，可以转换为整数。它也适用于以秒为单位的算术运算，因为它表示自1970年1月1日00:00:00以来的秒数，并且它是相对于我们下一步要查看的其他时间表示的记忆灯： >>> time.

0.0000

0

1

0

关注作者

收藏

809669515

如何在Python中获取当前时间

time模块time模块提供的功能告诉我们“自纪元以来的秒数”以及其他实用程序的时间。 >>> import time Unix大纪元时间这是您应该获取用于保存数据库的时间戳的格式。它是一个简单的浮点数，可以转换为整数。它也适用于以秒为单位的算术运算，因为它表示自1970年1月1日00:00:00以来的秒数，并且它是相对于我们下一步要查看的其他时间表示的记忆灯： >>> time.

0.0000

0

2

0

关注作者

收藏

PGC123

iloc索引不能增加行？

在pandas中基于位置索引有两种方式 loc 和 iloc,其中loc 是使用显示索引来定位数据的，所谓的显示索引即为我们给行标签列标签起的名字。iloc使用的是隐式索引定位标签，隐式索引为行列默认的索引值都是从零开始递增的[0,1,2,3,4.......]因为iloc使用的是隐式索引，这样增加行的时候无法增加显示的index值所以无法用他添加行或列。

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

如何进行特征选择

特征选择是一个重要的数据预处理过程，主要有两个原因：一是减少特征数量、降维，使模型泛化能力更强，减少过拟合;二是增强对特征和特征值之间的理解。常见的特征选择方式：1、去除方差较小的特征。2、正则化。1正则化能够生成稀疏的模型。L2正则化的表现更加稳定，由于有用的特征往往对应系数非零。3、随机森林，对于分类问题，通常采用基尼不纯度或者信息增益，对于回归问题，通常采用的是方差或者最小二乘拟合。

0.0000

0

4

0

关注作者

收藏

kejiayuan0806

GBDT 和随机森林的区别

随机森林采用的是bagging的思想，bagging又称为bootstrap aggreagation，通过在训练样本集中进行有放回的采样得到多个采样集，基于每个采样集训练出一个基学习器，再将基学习器结合。随机森林在对决策树进行bagging的基础上，在决策树的训练过程中引入了随机属性选择。传统决策树在选择划分属性的时候是在当前节点属性集合中选择最优属性，而随机森林则是对结点先随机选择包含k个属性

0.0000

0

5

0

关注作者

收藏

<1…303304305…340>

CDA考试动态

CDA报考指南