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

机器学习ML模型中LR和SVM的联系与区别

问：机器学习ML模型中LR和SVM的联系与区别答：① 联系:1、LR和SVM都可以处理分类问题，且一般都用于处理线性二分类问题(在改进的情况下可以处理多分类问题)2、两个方法都可以增加不同的正则化项，如11、 12等等。所以在很多实验中，两种算法的结果是很接近的。② 区别:1、LR是参数模型，SVM 是非参数模型。2、从目标函数来看，区别在于逻辑回归采用的是logistical loss，SVM采

70.5576

1

0

0

关注作者

收藏

詹惠儿

深度学习DL模型中CNN的卷积核是单层的还是多层的?

问：深度学习DL模型中CNN的卷积核是单层的还是多层的?答：卷积计算属于离散卷积，本来需要卷积核的权重矩阵旋转180度,但我们并不需要旋转前的权重矩阵形式，故直接用旋转后权重矩阵作为卷积核表达，这样的好处就离散卷积运算变成了矩阵点积运算。一般而言，深度卷积网络是一层又一层的。层的本质是特征图,存贮输入数据或其中间表示值。一组卷积核则是联系前后两层的网络参数表达体,训练的目标就是每个卷积核的权重参数

70.5576

1

0

0

关注作者

收藏

liting李

power bi中高级筛选器Filter函数

语法：Filter(‘表’, 筛选条件）返回：表Countrows(Filter(表，筛选条件））Calculate(表达式（度量值），Filter(‘表’, 筛选条件））注意：Filter(‘表’, 筛选条件）中表ALL一家三口返回的都是表，也可以是Filter嵌套Filter(‘表’, 筛选条件）中筛选条件结果为真或假的表达式区别Calculate(表达式（度量值），筛选条件1，筛选条件2…）

92.2795

1

0

0

关注作者

收藏

liting李

发生未处理的win32异常

安装Pycharm后，运行时报“发生未处理的win32异常”错误。解决方法：进入Visual Studio中,选择【工具】-》【选项】,点击【调式】,在【实时】选项卡中把【本机】【脚本】选项去掉

92.2795

1

0

0

关注作者

收藏

CDA助教老师

用户流失的分析，新用户流失和老用户流失有什么不同？

用户流失分析：两层模型：细分用户、产品、渠道，看到底是哪里用户流失了。注意由于是用户流失问题，所以这里细分用户时可以细分用户处在生命周期的哪个阶段。指标拆解：用户流失数量 = 该群体用户数量*流失率。拆解，看是因为到了这个阶段的用户数量多了（比如说大部分用户到了衰退期），还是这个用户群体的流失率比较高内外部分析：a. 内部：新手上手难度大、收费不合理、产品服务出现重大问题、活动质量低、缺少留存手段

62.8679

2

0

0

关注作者

收藏

CDA助教老师

一个网站销售额变低，你从哪几个方面去考量？

首先要定位到现象真正发生的位置，到底是谁的销售额变低了？这里划分的维度有：a. 用户（画像、来源地区、新老、渠道等）b. 产品或栏目c. 访问时段定位到发生未知后，进行问题拆解，关注目标群体中哪个指标下降导致网站销售额下降：a. 销售额=入站流量x下单率x客单价b. 入站流量 = Σ各来源流量x转化率c. 下单率 = 页面访问量x转化率d. 客单价 = 商品数量x商品价格确定问题源头后，对问题原因

0.0189

1

0

0

关注作者

收藏

CDA助教老师

怎么做恶意刷单检测?

分类问题用机器学习方法建模解决，我想到的特征有：（1）商家特征：商家历史销量、信用、产品类别、发货快递公司等（2）用户行为特征：用户信用、下单量、转化率、下单路径、浏览店铺行为、支付账号（3）环境特征（主要是避免机器刷单）：地区、ip、手机型号等（4）异常检测：ip地址经常变动、经常清空cookie信息、账号近期交易成功率上升等（5）评论文本检测：刷单的评论文本可能套路较为一致，计算与已标注评论文

0.0189

1

0

0

关注作者

收藏

CDA助教老师

如何识别作弊用户（爬虫程序，或者渠道伪造的假用户）

分类问题可以用机器学习的方法去解决，下面是我目前想到的特征：（1）渠道特征：渠道、渠道次日留存率、渠道流量以及各种比率特征（2）环境特征：设备（一般伪造假用户的工作坊以低端机为主）、系统（刷量工作坊一般系统更新较慢）、wifi使用情况、使用时间、来源地区、ip是否进过黑名单（3）用户行为特征：访问时长、访问页面、使用间隔、次日留存、活跃时间、页面跳转行为（假用户的行为要么过于一致，要么过于随机）、

0.0189

1

0

0

关注作者

收藏

CDA助教老师

用户刚进来APP的时候会选择属性，怎样在保证有完整用户信息的同时让用户流失减少？

采用技术接受模型（TAM）来分析，影响用户接受选择属性这件事的主要因素有：技术接受模型提出了两个主要的决定因素：①感知的有用性(perceived usefulness)，反映一个人认为使用一个具体的系统对他工作业绩提高的程度；②感知的易用性(perceived ease of use)，反映一个人认为容易使用一个具体的系统的程度。（1）感知有用性：a. 文案告知用户选择属性能给用户带来的好处（2

62.8679

2

0

0

关注作者

收藏

CDA助教老师

APP激活量的来源渠道很多，怎样对来源渠道变化大的进行预警？

如果渠道使用时间较长，认为渠道的app激活量满足一个分布，比较可能是正态分布。求平均值和标准差，对于今日数值与均值差大于3/2/1个标准差的渠道进行预警。对于短期的新渠道，直接与均值进行对比。

62.8679

2

0

0

关注作者

收藏

CDA助教老师

类比到头条的收益，头条放多少广告可以获得最大收益? 不需要真的计算，只要有个思路就行。

收益 = 出价x流量x点击率x有效转化率，放广告的数量会提高流量，但会降低匹配程度，因此降低点击率。最大收益是找到这个乘积的最大值，是一个有约束条件的最优化问题。同时参考价格歧视方案，可以对不同的用户投放不同数量的广告。

0.0189

1

0

0

关注作者

收藏

CDA助教老师

卖玉米如何提高收益？价格提高多少才能获取最大收益？

收益 = 单价*销售量，那么我们的策略是提高单位溢价或者提高销售规模。提高单位溢价的方法：（1）品牌打造获得长期溢价，但缺陷是需要大量前期营销投入；（2）加工商品占据价值链更多环节，如熟玉米、玉米汁、玉米蛋白粉；重定位商品，如礼品化等；（3）价格歧视，根据价格敏感度对不同用户采用不同定价。销售量=流量x转化率，上述提高单位溢价的方法可能对流量产生影响，也可能对转化率产生影响。收益 = 单价x流量x

0.0189

1

0

0

关注作者

收藏

CDA助教老师

如果次日用户留存率下降了 5%该怎么分析？

首先采用“两层模型”分析：对用户进行细分，包括新老、渠道、活动、画像等多个维度，然后分别计算每个维度下不同用户的次日留存率。通过这种方法定位到导致留存率下降的用户群体是谁。对于目标群体次日留存下降问题，具体情况具体分析。具体分析可以采用“内部-外部”因素考虑。a. 内部因素分为获客（渠道质量低、活动获取非目标用户）、满足需求（新功能改动引发某类用户不满）、提活手段（签到等提活手段没达成目标、产品自

0.0189

1

0

0

关注作者

收藏

CDA助教老师

不用任何公开参考资料，估算今年新生儿出生数量。

采用两层模型（人群画像x人群转化）：新生儿出生数=Σ各年龄层育龄女性数量*各年龄层生育比率（一般面试中采用这种方法，即费米估计问题，可以参考《这也能想到?——巧妙解答无厘头问题》）从数字到数字：如果有前几年新生儿出生数量数据，建立时间序列模型（需要考虑到二胎放开的突变事件）进行预测找先兆指标，如婴儿类用品的新增活跃用户数量X表示新生儿家庭用户。Xn/新生儿n为该年新生儿家庭用户的转化率，如X200

0.0189

2

0

0

关注作者

收藏

永洪科技

从实践案例出发，探讨国有企业快速实现全方位统一管控之法

在“深化国企改革，发展具有核心竞争力的大企业集团”的大背景下，国有企业资产重组、行业联合、兼并收购等行为持续活跃，国有企业集团已成为国有企业的重要组织形式，如何加强和完善国有企业集团管控，引起了理论界和实务界的高度重视。同时，信息技术的高度发展与应用，也为国有企业建立有效的集团管控模式提供了新的视角。那么站在数字化和大数据分析应用的视角，这些技术能为国有企业集团管控做些什么呢？今天，我们从永洪科技

0.0000

0

0

0

关注作者

收藏

詹惠儿

数据标准化不是把均值转化为0，方差为1吗

问：数据标准化不是把均值转化为0，方差为1吗答：把均值转化为0，方差为1这种方法是z-score标准化，属于数据标准化的一种，数据标准化还有其他方法，例如min-max标准化，log函数转换等。

46.1538

1

0

0

关注作者

收藏

读童话的狼

那如果拿到的数据中，有特征是分类型数据，是不是都要变成哑变量，连续型数据是不是都要进行分箱处理

不是的，分类型数据要分有序和无序，有序的用顺序编码，无序的用哑变量，对于分类特别多的也会考虑对类别分组然后编码，连续型数据一般都可以放入到模型，只是有些模型分箱之后运行会更快，比如决策树，另外利用逻辑回归建立评分卡模型也需要分箱

70.5882

1

0

0

关注作者

收藏

读童话的狼

然后数据量纲不一致的话，是在我们查看出来后立马进行minmaxsclaer的处理还是说，等处理完缺失值/异常值/重复值之后在进行呢？

先处理缺失异常，然后处理量纲，如果包含有缺失值异常值会影响量纲的处理

70.5882

1

0

0

关注作者

收藏

读童话的狼

据的量纲不统一，指的是每一个不同的特征之间的数据量纲有问题，还是说一个特征中，出现数据量纲不一致

指的是不同的特征之间的

70.5882

1

0

0

关注作者

收藏

liting李

为什么使用one-hot编码来处理离散型特征?

什么是One-Hot编码?One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。为什么使用one-hot编码来处理离散型特征? 在回归，分类，聚

55.7549

1

0

0

关注作者

收藏

<1…404142…340>

CDA考试动态

CDA报考指南