数据挖掘-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

809669515

人工神经网络

人工中性网络（ANN）是基于生物神经网络（例如大脑）的系统。大脑有大约1000亿个神经元，通过电化学信号进行通信。神经元通过称为突触的连接点连接。每个神经元接收数千个与其他神经元的连接，不断接收输入信号到达细胞体。如果得到的信号总和超过某个阈值，则通过轴突发送响应。人工神经网络尝试重建生物神经网络的计算镜像，尽管它不具有可比性，因为神经元的数量和复杂性以及生物神经网络中使用的数量和复杂性是人工中

232.9437

1

1

0

关注作者

收藏

809669515

K最近邻是一种简单的算法，其存储所有可用情况并基于相似性度量（例如，距离函数）对新情况进行分类。KNN已经在1970年代初作为非参数技术用于统计估计和模式识别。算法案例通过其邻居的多数票进行分类，案例被分配给由距离函数测量的其K个最近邻居中最常见的类。如果K = 1，则将该情况简单地分配给其最近邻居的类。还应注意，所有三个距离测量仅对连续变量有效。在分类变量的情况下，必须使用

0.0000

0

1

0

关注作者

收藏

809669515

逻辑回归预测结果的概率只能有两个值（即二分法）。预测基于使用一个或多个预测变量（数值和分类）。线性回归不适合预测二元变量的值，原因有两个：线性回归将预测超出可接受范围的值（例如，预测0到1范围之外的概率）由于二分法实验对于每个实验只能具有两个可能值中的一个，因此残差将不会正常地分布在预测线附近。另一方面，逻辑回归产生逻辑曲线，其限制在0和1之间的值。逻辑回归类似于线性回归，但曲线是使用目

0.0000

0

3

0

关注作者

收藏

809669515

线性判别分析

线性判别分析（LDA）是最初由RA Fisher于1936年开发的分类方法。它简单，数学上稳健，并且通常产生的模型的精度与更复杂的方法一样好。算法LDA基于搜索最佳分离两个类（目标）的变量（预测变量）的线性组合的概念。为了捕捉可分性的概念，Fisher定义了以下得分函数。给定得分函数，问题是估计最大化得分的线性系数，其可以通过以下等式求解。评估歧视有效性的一种方

0.0000

0

1

0

关注作者

收藏

809669515

分类型模型——OneR

OneR是“一个规则”的缩写，是一种简单但准确的分类算法，它为数据中的每个预测变量生成一个规则，然后选择总误差最小的规则作为其“一个规则”。为了为预测器创建规则，我们为每个预测器构建一个针对目标的频率表。已经表明，OneR产生的规则仅比现有技术的分类算法稍微不准确，同时产生了易于人类解释的规则。OneR算法对于每个预测变量，对于该预测变量的每个值，按如下方式制定规则;

0.0000

0

1

0

关注作者

收藏

809669515

分类模型——ZeroR

ZeroR是最简单的分类方法，它依赖于目标并忽略所有预测变量。ZeroR分类器只是预测大多数类别（类）。尽管ZeroR中没有可预测性，但将基线性能确定为其他分类方法的基准非常有用。算法构建目标的频率表并选择其最常用的值。示例：“Play Golf = Yes”是以下数据集的ZeroR模型，精度为0.64。预测者的贡献关于预测器对模型的贡献没有什么可说的，因为ZeroR不使用它们

0.0000

0

1

0

关注作者

收藏

809669515

朴素贝叶斯

朴素贝叶斯分类器基于贝叶斯定理，具有预测变量之间的独立假设。朴素贝叶斯模型易于构建，没有复杂的迭代参数估计，这使得它对于非常大的数据集特别有用。尽管朴素贝叶斯分类器简单，但它通常表现出色，并且被广泛使用，因为它通常优于更复杂的分类方法。算法贝叶斯定理提供了计算后验概率，的一种方法P（C ^ | X），从P（Ç），P（X），和P（X | C）。朴素贝叶斯分类器假设预测变量（x）的值对给定类（

0.0000

0

0

0

关注作者

收藏

809669515

交叉分解模块包含两个主要的算法族：偏最小二乘法（PLS）和典型相关分析（CCA）。算法这些家庭都是有用找到两个多元数据集之间的线性关系：在X与Y该论点fit的方法是二维数组。交叉分解算法找到两个矩阵（X和Y）之间的基本关系。它们是对这两个空间中的协方差结构进行建模的潜变量方法。他们将尝试在X空间中找到多维方向，解释Y空间中的最大多维方差方向。当预测变量矩阵的变量多于观测值，并且X值之间存

0.0000

0

1

0

关注作者

收藏

809669515

朴素贝叶斯

朴素贝叶斯方法是一组监督学习算法，基于贝叶斯定理应用给定类变量值的每对特征之间的条件独立性的“天真”假设。在给定类变量y和从属特征向量x1到xn，贝叶斯定理表明了以下关系：使用条件独立假设对于所有i，这种关系被简化为由于P(x1,…,xn)在输入时是常数，我们可以使用以下分类规则：我们可以使用最大后验（MAP）估计来估计 P(y)和P(xi∣y) ; 前者是

0.0000

0

5

0

关注作者

收藏

809669515

非参数监督学习方法——决策树（DT）

决策树（DT）是用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。例如，在下面的示例中，决策树从数据中学习以使用一组if-then-else决策规则来近似正弦曲线。树越深，决策规则越复杂，模型越适合。决策树的一些优点是：易于理解和解释。树木可以看到。需要很少的数据准备。其他技术通常需要数据规范化，需要创建虚拟变量并删除

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

齐全！关于R学习的书籍推荐

1.初级入门《An Introduction to R》，这是官方的入门小册子。其有中文版，由丁国徽翻译，译名为《R导论》。《R4Beginners》，这本小册子有中文版应该叫《R入门》。除此之外，还可以去读刘思喆的《153分钟学会R》。这本书收集了R初学者提问频率最高的153个问题。为什么叫153分钟呢？因为最初作者写了153个问题，阅读一个问题花费1分钟时间，全局下来也就是153分钟了。有了

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

ma模型的预测公式问题

fit=arima(LakeHuron,order=c(0,0,2))fitpredict(fit,n.ahead=2)ma(2)模型的预测值是如何计算得出的？原始序列的最后三个值是：x(1970)=579.31x(1971)=579.89x(1972)=579.96我们要看模型残差。> x x[98]*1.0174 x[97]*0.5

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

LDA主题模型分析学习分享

最近在学习关于LDA模型的知识，做一些细粒度观点挖掘。在学习过程中发现原来R中还有一个专门的LDA包。我用LDA为两个文本文档建立了一个主题模型，分别是a和B。文档a与计算机科学高度相关，文档B与地球科学高度相关。然后我用这个命令训练lda。text

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

数据挖掘，你该明白的这几点

商业和生活中，我们处处能够看到数据挖掘的影子：Target 百货分析16岁的少女买无香型沐浴露之后，判断她怀孕了；语言学家通过记录自己孩子出生到3岁每天每秒钟的状态数据，发现语言记忆和周遭环境相关性更大；调查局通过数据分析和挖掘发现改善公共环境有助于降低犯罪率。今天我们将从以下几个方面来揭开数据挖掘的神秘面纱。数据挖掘涉及的学科？a首先我们可以看出，数据分析与挖掘位于中间，

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

小老弟，客户关系管理是怎么回事

在商业数据分析领域，产品的设计需要从用户的需求出发，及时反馈和改进产品质量；运营中的拉新、促活、转化和留存都是围绕和针对用户；销售人员需要先了解客户的需求再有针对性的推荐相应的产品和服务。由此可见，对客户价值的预测和管理越来越成为企业管理和发展的重要驱动力。以往大多数企业对客户的管理和分群都是基于工作日常的经验和总结。然而，在一个月黑风高的晚上，客户关系管理遇上了数据…他们的概念是：什么是

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

商业分析，我用R

商业智能时代已经全面到来，分析型人才的岗位数量在就业市场中呈现井喷式的增长。无论从事产品研发的工程师，还是从事产品推广的市场人员、人力资源的财务会计人员，都需要掌握数据分析技术，否则很有可能被人工智能时代替代。“工欲善其事，必先利其器”。当前，R和Python等开源软件方兴未艾，但是这类软件学习曲线缓慢，使很多初学者的热情在进入数据分析的核心领域之前就消失殆尽。而商业数据分析的真正目的是为了解

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

power！用R做动态词云图

Echarts是由百度开发的一款免费、强大的图表生成和可视化库，使其可以方便地对数据进行展示、交互和定制。Recharts是基于Echarts开发的R版本，由Yang Zhou和Taiyun Wei开发，通过该包的echartR函数可以完成很多可视化的任务，图表美观且有动态效果，是一款优秀的数据可视化产品。以下是Recharts绘图的知识地图（基本图形）：a百闻不如一见，今天我们使用一则

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

R的优点，你了解吗

一、R是一个强大的脚本语言。R是一种强大的脚本语言，它能够像Perl的正则表达式一样来处理文本。凌乱的数据需要编程语言这样的资源，尽管SAS和SPSS有处理那些超越下拉菜单任务的脚本语言，但是R是被用作一门编程语言来写的，因此，对于这一目的，R是一种更好工具；二、免费... 开源... 这也是比较重要的一点，也是SAS流行于公司，R流行于研究机构和大学的最主要原因；各种包和函数的透明性极

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

选择R做数据分析的几点理由

刚开始学习数据科学的人都会面对同一个问题：我该选择先学习哪种编程语言。不仅仅是编程语言，像SPSS、Modeler、WEKA等软件系统也是同样的情况。有越来越多的工具和编程语言，很难知道该选择哪一种。事实是，你的时间有限。学习一门新的编程语言相当于一项巨大的投资，因此在选择语言时需要有战略性。实际上这个问题没有标准答案，也没有万能的语言可以完成所有的工作，当你入门在入门选择语言时，你需要

0.0000

0

0

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

<1…131415…17>

CDA考试动态

CDA报考指南