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

赵娜0418

决策树中CART比C4.5的优势是什么？

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。

23.8536

4

4

0

关注作者

收藏

赵娜0418

信息增益率=信息增益/父熵吗？

父熵相对于各个子节点是固定的，只有子节点会变化，才有不同子节点有不同的惩罚数。

2.7882

3

3

0

关注作者

收藏

赵娜0418

决策树的父子节点的熵有什么关系？

信息增益准则是选择最优特征，父节点的熵是经验熵H(D)，子节点的熵是划分后集合的经验熵H(D)，父节点的熵大于子节点的熵，所以熵越大，不确定性越大

2.7882

3

3

0

关注作者

收藏

liting李

为什么要用随机森林填补缺失值？

要用随机森林填补缺失值的原因总结如下：1.在与其它现有的算法相比，其预测准确率很好2.在较大的数据集上计算速度依然很快3.不需要降维，算法本身是采取随机降维的4.他能处理有缺失值的数据集。算法内部有补缺失值的函数5.能给出变量的重要性6.能处理imbalanced data set7.能给出观测实例间的相似度矩阵，其实就是proximity啦，继而能做clustering 和 loc

21.0654

1

6

0

关注作者

收藏

wo5656500

在kmearn算法中为什么拐点是最佳？

因为在增加簇的过程中，它的组内距离平方和一定会下降的，也就是说只要你的簇增加，曲线一定是下降的，但是同样是下降，但是下降的幅度是不一样的，下降的幅度越大，说明簇的增加起到的作用就越大，从上图中可以看出，2-4簇增加的作用很大，但是从4以后作用效果就不太大了，所以拐点的效果是最佳的。

57.6269

2

2

0

关注作者

收藏

wo5656500

0-1标准化这个步骤建议在什么时候做？

0-1标准化这个步骤首先要看你所用的算法是什么，不是所有的算法都需要标准化，像KNN、Kmeans这类算法它是投影到多维空间中计算的就需要标准化，0-1标准化这个步骤建议在拆分数据集后面调参之前做。

0.2655

1

3

0

关注作者

收藏

wo5656500

决策树都是二叉树？

不是决策树模型是运用于分类以及回归的一种树结构。决策树由节点和有向边组成，一般一棵决策树包含一个根节点、若干内部节点和若干叶节点。决策树的决策过程需要从决策树的根节点开始，待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶子节点作为最终的决策结果。内部节点：对应于一个属性测试叶节点：对应于决策结果根节点包含样本全集；每个节点包括的样本集合根据属性测试的结

0.2655

1

2

0

关注作者

收藏

wo5656500

决策树种熵的理解

决策树是用于分类的统计模型。熵的概念熵是来衡量随机变量的不确定性的。Shannon entropy来定量化了这种不确定性。有以下公式H(x)=∑iP(xi)I(xi)=−∑iP(xi)logbP(xi)H(x)=∑iP(xi)I(xi)=−∑iP(xi)logbP(xi)接下来通过例子来说明。比如投硬币，正面和反面的概率都是1/2，在这种情况下，一个比特就可以来传递每一次的结果。投

59.8596

3

1

0

关注作者

收藏

赵娜0418

Kmeans曲线为什么拐点是最佳？

在上图中，在增加簇的过程中，它的组内距离平方和一定会下降的，也就是说只要你的簇增加，曲线一定是下降的，但是同样是下降，但是下降的幅度是不一样的，下降的幅度越大，说明簇的增加起到的作用就越大，从上图中可以看出，2-4簇增加的作用很大，但是从4以后作用效果就不太大了，所以拐点的效果是最佳的。

62.3409

5

3

0

关注作者

收藏

赵娜0418

0-1标准化这个步骤建议在什么时候做？

0-1标准化这个步骤首先要看你所用的算法是什么，不是所有的算法都需要标准化，像KNN、Kmeans这类算法它是投影到多维空间中计算的就需要标准化，0-1标准化这个步骤建议在拆分数据集后面调参之前做。

8.5125

5

0

0

关注作者

收藏

wo5656500

机器学习中特征值和属性值相等吗？

不相等，一般属性值是在编程里边用到的内容，例如方法、类、对象等，会说它们有什么属性，模型中也有属性，在pandas里编程的时候，一般将特征叫做columns，

56.6344

3

1

0

关注作者

收藏

wo5656500

在KNN算法传入数据时是否因为训练集是二维的，所以才传的二维的数据？

不是这样的，所有传入的X都是二维的,所有传入的y都是一维的

1.6768

2

1

0

关注作者

收藏

wo5656500

归一化和标准化，分别适用什么场景

标准化应用场景：在分类、聚类算法中，需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候，Z-score standardization表现更好。归一化应用场景：在不涉及距离度量、协方差计算、数据不符合正太分布的时候，可以使用第一种方法或其他归一化方法（不包括Z-score方法）。比如图像处理中，将RGB图像转换为灰度图像后将其值限定在[0 255]的范围

1.6768

2

3

0

关注作者

收藏

wo5656500

在KNN算法代码中 np.argmax(cross_score_list) 2这里为什么 2啊？

因为这里K取5，而返回结果为索引值3，所以 2返回为5

1.6768

2

2

0

关注作者

收藏

wo5656500

归一化和标准化的区别是什么？

答：简单来说，标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，将样本的特征值转换到同一量纲下。归一化是依照特征矩阵的行处理数据，其目的在于样本向量在点乘运算或其他核函数计算相似性时，拥有统一的标准，也就是说都转化为“单位向量”。归一化：这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。另外，最大值与最小值非常容易受异常点影响，所以这种方法鲁棒

21.7613

3

3

0

关注作者

收藏

yuechuchen

PIP网络不稳定错误： PIP是在线下载进行安装，下载的文件在国外服务器上，若下载速度较慢，会引起连接超时导致第三方库安装失败

国外服务器下载速度慢，对网速要求高，可以借助使用国内的镜像源，如公认速度较快的：豆瓣源（），清华镜像源（https://pypi.tuna.tsinghua.edu.cn/simple），输入命令：pip install XXX -i https://pypi.douban.com/simple --trusted-host pypi.douba

1.3161

1

1

0

关注作者

收藏

yuechuchen

什么是聚类分析？聚类算法有哪几种？请选择一种详细描述其计算原理和步骤。

1、一般把数据聚类归纳为一种非监督式学习，聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset），位于同一个子集中的对象都有相似的一些属性2、聚类方法主要有：a. 层次聚类 b. 划分聚类：kmeans c. 密度聚类 d. 网格聚类 e. 模型聚类：高斯混合模型3、划分聚类Kmeans的原理：第一步选取K个点作为质心；第二步计算所有样本点到所有质心的距

0.0000

0

3

0

关注作者

收藏

大魔王泛泛

概述一下随机森林中随机的意思

随机森林中随机是核心，通过随机的选择样本、特征，降低了决策树之间的相关性随机森林中的随机主要有两层意思，一是随机在原始训练数据中有放回的选取等量的数据作为训练样本，二是在建立决策树时，随机的选特征中选取一部分特征建立决策树这两种随机使得各个决策树之间的相关性小，进一步提高模型的准确性

0.0254

1

3

0

关注作者

收藏

wo5656500

有监督算法和无监督算法的区别是什么？

监督学习（supervised learning）：通过已有的训练样本（即已知数据以及其对应的输出）来训练，从而得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型也就具有了对未知数据进行分类的能力。在社会中，我们在很小的时候就被大人教授这是鸟啊，那是猪啊，这个是西瓜、南瓜，这个可以吃、那个不能吃啊之类的，我们眼里见到

0.7389

1

2

0

关注作者

收藏

读童话的狼

评分卡中的观察期和表现期怎么定义的？

观察期→评分节点→表现期→用户申请时间观察期：是变量采集期，用以采集变量数据，获取各类特征信息的时期，通常为1-3年。表现期：是样本预测期，用以判断样本是否触发负面样本的条件，通常为0.5-1年。举个小栗子：贷款申请时间为2019年1月 1日（假设观察期为3年，表现期为1年）观察点： 2018年 1月1日观察期： 2015年1月 1日到2017年12月 31日（输入变量：用以识别信

1.6959

2

9

0

关注作者

收藏

<1…161718…69>

CDA考试动态

CDA报考指南