机器学习-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

liting李

K-Means 和KNN 有什么区别？

首先，这两个算法解决的是数据挖掘中的两类问题。K-Means 是聚类算法，KNN 是分类算法。其次，这两个算法分别是两种不同的学习方式。K-Means 是非监督学习，也就是不需要事先给出分类标签，而 KNN 是有监督学习，需要我们给出训练数据的分类标识。最后，K 值的含义不同。K-Means 中的 K 值代表 K 类。KNN 中的 K 值代表 K 个最接近的邻居。

57.4032

4

5

0

关注作者

收藏

赵娜0418

Python机器学习中的损失函数是否就是残差平方？

在机器学习中对于回归类算法来说可以说损失函数就是残差平方和，但是在机器学习中的损失函数大致可以分为以下四种，可以分情况分析：1、0-1损失函数二类分类任务中，预测值与真实值不同，就是预测错误，则损失是1；预测值与真实值相等，就是预测正确，损失是 0，就是没有损失。2、平方损失函数预测值与真实值的差的平方。预测误差越大，损失越大。3、绝对损失函数预测值与真实值的

17.2572

5

3

0

关注作者

收藏

liting李

如果想要运用决策树需要满足什么条件？

应用决策树决策方法必须具备以下条件：1、具有决策者期望达到的明确目标；2、存在决策者可以选择的两个以上的可行备选方案；3、存在着决策者无法控制的两种以上的自然状态(如气候变化、市场行情、经济发展动向等)；5、不同行动方案在不同自然状态下的收益值或损失值(简称损益值)可以计算出来；6、决策者能估计出不同的自然状态发生概率。

0.1415

1

3

0

关注作者

收藏

liting李

用什么模型可以查看交易成功和交易失败是由哪些因素引起的。还是说可以直接画图来看

可以用分类模型决策树，原因是决策树是一种能帮助决策者进行序列决策分析的有效工具，其方法是将问题中有关策略、自然状态、概率及收益值等通过线条和图形用类似于树状的形式表示出来。通过决策树画出的树模型再具体分析。

0.0000

0

4

0

关注作者

收藏

赵娜0418

Python机器学习中KNN和Kmeans的异同

KNN算法：1.KNN是分类算法2.监督学习3.喂给它的数据集是带label的数据，已经是完全正确的数据4.没有明显的前期训练过程，属于memory-based learning5.K的含义：来了一个样本x，要给它分类，即求出它的y，就从数据集中，在x附近找离它最近的K个数据点，这K个数据点，类别c占的个数最多，就把x的label设为cKmeans算法：1.K-Means是聚类算法

8.3779

6

0

0

关注作者

收藏

赵娜0418

Python机器学习中Kmeans算法有什么不足？

Kmeans算法的缺陷1、聚类中心的个数K 需要事先给定，但在实际中这个 K 值的选定是非常难以估计的，很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适2、Kmeans需要人为地确定初始聚类中心，不同的初始聚类中心可能导致完全不同的聚类结果。（可以使用Kmeans 算法来解决）

3.2461

4

2

0

关注作者

收藏

赵娜0418

Python机器学习中常用的算法有哪些？

1、决策时2、随机森林3、逻辑回归4、SVM5、朴素贝叶斯6、K近邻7、K均值8、Adaboost9、神经网络10、马尔可夫

3.4591

4

2

0

关注作者

收藏

赵娜0418

消除共线性的方法

很简单，你可以通过独立成分分析的方法来提取出主要变量和扰动因素，主成分是第一步，接下来第二步就是使用独立成分分析方法。

2.7965

3

2

0

关注作者

收藏

读童话的狼

数值型的分类字段要做独热编码或者哑变量吗吗？

数值型的分类字段不一定的是要做的编码的，如年龄段0-18岁定义为18,18-25定义为25,25-35定义为35，那么对应的分类就是18,25,35，也可以重新编码为1,2,3，可以都试试，哪种效果好用哪个

77.3248

1

3

0

关注作者

收藏

大魔王泛泛

GMM和K-Means相比有哪些异同点

高斯混合模型（GMM）与K-Means算法的相同点是：1.它们都是可用于聚类的算法2.都需要指定K值3.都是使用EM算法来求解4.都往往只能收敛于局部最优而GMM相比于K-Means算法的优点是，可以给出一个样本属于某类的概率是多少；不仅仅可以用于聚类，还可以用于概率密度的估计；并且可以用于生成新的样本点

88.2751

2

1

0

关注作者

收藏

wo5656500

为什么在这里填充之后还需要在这里看剩下的？理论上不是全部都被循环完了吗？

这里应该是填充了所有是object的列还有 float的没填充

77.3248

1

2

0

关注作者

收藏

wo5656500

这个模型做完了，假如在实际业务场景里，对后面的工作有什么样的作用呢？

通过你的模型结果对应的让业务部门针对应的对特定地区，特定人群提供营销，提高转化率，决策会在数据分析报告里呈现

0.0000

0

5

0

关注作者

收藏

读童话的狼

多分类为什么编码转独热编码以后，变为二分类变量了？

from sklearn.preprocessing import LabelEncoder from sklearn.preprocessing import onehotencoder data = ["cold", "cold", "warm", "cold", "hot", "hot", "warm", "cold", "warm", "hot"]data = pd.DataFra

21.1614

2

3

0

关注作者

收藏

wo5656500

CART比C4.5好在哪里呢

C4.5是基于ID3优化后产出的算法，主要优化了关于节点分支的计算方式，优化后解决了ID3分支过程中总喜欢偏向取值较多的属性。ID3是信息增益分支，而CART一般是GINI系数分支，C4.5一般是信息增益率分支。CART和C4.5之间主要差异在于分类结果上，CART可以回归分析也可以分类，C4.5只能做分类；C4.5子节点是可以多分的，而CART是无数个二叉子节点。

21.0654

1

2

0

关注作者

收藏

wo5656500

离散化有哪些方法呢

一般有三种方法：集中质量法、广义坐标法、有限单元法

0.0000

0

1

0

关注作者

收藏

wo5656500

Information value和Entropy的区别？

1、信息这个是熵和信息增益的基础概念，我觉得对于这个概念的理解更应该把他认为是一用名称，就比如‘鸡‘(加引号意思是说这个是名称)是用来修饰鸡(没加引号是说存在的动物即鸡)，‘狗’是用来修饰狗的，但是假如在鸡还未被命名为'鸡'的时候，鸡被命名为‘狗’，狗未被命名为‘狗’的时候，狗被命名为'鸡'，那么现在我们看到狗就会称其为‘鸡’，见到鸡的话会称其为‘鸡’，同理，信息应该是对一个抽象事物的命名，无论

0.0000

0

6

0

关注作者

收藏

读童话的狼

sklearn独热编码中，sparse 参数true和false有什么区别啊？

初始化OneHotEncoder实例时，默认sparse参数为True，编码后返回的是一个稀疏矩阵的对象如果要使用一般要调用toarray()方法转化成array对象若将sparse参数设置为False，则直接生成array对象，可直接使用。

21.0654

1

3

0

关注作者

收藏

wo5656500

基尼指数算法的惩罚项是啥？

基尼不纯度指标在CART算法中, 基尼不纯度表示一个随机选中的样本在子集中被分错的可能性。基尼不纯度为这个样本被选中的概率乘以它被分错的概率。当一个节点中所有样本都是一个类时，基尼不纯度为零。假设y的可能取值为{1, 2, …, m},令fifi是样本被赋予i的概率，则基尼指数可以通过如下计算：Gini(p)=∑Kk=1pk(1−pk)=1−∑Kk=1p2kGini(p)=∑k=1Kpk(1

21.0654

1

3

0

关注作者

收藏

wo5656500

是不是一般来说90上下就不需要去考虑过拟合欠拟合了?

也不是,只要训练集比测试集高就是过拟合

0.0000

0

1

0

关注作者

收藏

赵娜0418

做离散化有的方法有哪些？

一般有三种方法：集中质量法、广义坐标法、有限单元法

3.8103

4

2

0

关注作者

收藏

<1…151617…69>

CDA考试动态

CDA报考指南