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

读童话的狼

有哪个模型是对缺失值不敏感的？

1. 树模型对于缺失值的敏感度较低，大部分时候可以在数据有缺失时使用。2. 涉及到距离时，如计算两个点之间的距离，缺失数据就变得比较重要。因为涉及到“距离”这个概念，那么缺失值处理不当就会导致效果很差，如K近邻算法和支持向量机。3. 线性模型的代价函数往往涉及到距离计算，计算预测值和真实值之间的差别，这容易导致对缺失值敏感。4. 神经网络的鲁棒性强，对于缺失数据不是非常敏感，但一般没有

19.0856

3

3

0

关注作者

收藏

读童话的狼

多维数据的降维可以用PCA的方法，这个应该怎么做？

首先导入sklearn中的PCA模块from sklearn.decomposition import PCA然后实例化，并对数据进行转化pca = PCA(2).fit(X) #2是要降到2维，X是原始数据pca_X = pca.transform(X)pca_X #pca_X是转化后的数据查看降维后数据的方差占比，它代表降维后的各主成分的方差值占总方差值的比例，这个比例越大

40.1283

4

4

0

关注作者

收藏

读童话的狼

用协同过滤做分类的效果和直接用聚类分析做，哪个效果更好？

一般的做大型的推荐系统还是以协同过滤为主，一般是基于用户与基于物品相结合，底层还是协同过滤聚类用的比较多，但是精确度没有协同过滤那么强，聚类的解释性会更高一些，在部署模型时以协同过滤为主，聚类为辅

40.9181

3

2

0

关注作者

收藏

读童话的狼

TransactionEncoder使用的数据必须是列表？

由于mlxtend的模型只接受特定的数据格式。（TransactionEncoder类似于独热编码，每个值转换为一个唯一的bool值）还是要利用tolist()后的数据，有列名的数据不行，虽然后边可以再转换为DataFrame，但是直接用DataFrame是不行的

1.3566

2

3

0

关注作者

收藏

读童话的狼

Apriori算法:最小支持度如何确定？

人为设置的，最小支持度越高，考核越严格，满足最小支持度阈值的所有项集，称作频繁项集

1.3566

2

1

0

关注作者

收藏

读童话的狼

如果不切分数据集，缺失值还没填充。那在编码的时候，有缺失值怎么办？

这时候就一并填充就可以，不用担心测试集会被高估，这个误差会非常小，填均值就用整体的均值来填，算法填充就用全部的数据，如果还是不放心，可以划一个验证集

1.3570

2

2

0

关注作者

收藏

读童话的狼

ValveError:Input contains NaN

ValveError：输入包含NaN,这是因为没有处理空值，对于一些对空值比较敏感的模型，如svm等计算距离的模型，处理缺失值是必须的

1.3566

2

2

0

关注作者

收藏

读童话的狼

SVM:为什么样本点距离到决策边界的距离绝对值会有小于1的？

决策边界到支持向量的距离是单位距离，也就是1，那么其他样本点到决策边界的距离必然是大于1的之所小于1，是因为SKlearn中的SVC模型算法不是严格按照硬间隔来做的，，会有一些调整，导致有样本点距离小于1但是非常接近1

1.3570

2

4

0

关注作者

收藏

读童话的狼

SVM:同比例缩放问题有什么影响吗？

同比例缩放后就会造成在计算w和b时会无穷的变大，也就是在上式中，如果不是单位距离，那么后边的减的值不一定是1，如2,3,4...，相应得到的w和b也就不唯一，如果原始函数间隔直接放到这个公式，是无法计算的，所以必须要转换为单位间隔

1.3570

2

2

0

关注作者

收藏

读童话的狼

Python：更新时间库的代码？

pip update datetime —user

1.3570

2

1

0

关注作者

收藏

大魔王泛泛

解释一下决策树算法中的信息增益

在决策树算法中，我们的关键就是每次选择一个特征来划分数据集，信息增益就是特征选择的一个重要指标，它定义为一个特征能够为分类系统带来多少信息，带来的信息越多，说明该特征越重要，相应的信息增益也就越大。

3.7752

2

2

0

关注作者

收藏

大魔王泛泛

回归树的应用场景是什么

先说一下决策树，决策树的作用就是一个分类器，通过对特征的选择，划分，对数据进行分类与决策树不同的是回归树做的是回归，是对值的回归预测，比如可以通过回归树预测房价，或者预测人的年龄等

1.5448

1

4

0

关注作者

收藏

田齐齐

数据预处理：独热编码

在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的。而常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。使用独热编码（One-Hot Encoding），将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用独热编码（One-Hot Encoding），会让特征之间的距离计算更加合理。独

40.5575

4

2

0

关注作者

收藏

读童话的狼

为什么找不到压缩包里的文件？

拿到压缩包之后先解压，再打开就可以看到了文件名出现乱码，可以换用其他的解压软件试试，如：360压缩

40.5366

3

2

0

关注作者

收藏

读童话的狼

这个代码是固定用法吗？

这个是前边将几张表读取到列表之后可以这样用，就是一个序号对应一张表，ind是序号，each_data是对应的表这两个是一一对应的

2.6971

2

4

0

关注作者

收藏

读童话的狼

推荐指数计算公式中的字母含义

指该用户对所有商品评价的平均分是指与该用户相似性较高的用户对所有商品评价的平均分

2.6971

2

1

0

关注作者

收藏

读童话的狼

pyecharts都显示安装成功了的，为什么还是报错呢？

这个报错的原因是缺少pyecharts_snapshot模块，这个模块是用来渲染图形的，也就是将pyecharts的输出呈现为png，jpeg，gif，svg，eps，pdf或raw base64格式这个不安装不影响pyecharts的使用如果想要安装pyecharts_snapshot，有两种方法1、在线安装在Anaconda Prompt (Anaconda3)利用pip直接安装

40.5366

3

3

0

关注作者

收藏

读童话的狼

在做kmeans之前删除的不重要的特征是直接删还是做pca？

PCA效果好一些，但是会降低模型解释性，看你的模型是不是要求解释性，要求解释性就直接删除不重要的特征

11.3187

4

1

0

关注作者

收藏

读童话的狼

为什么要用内连接，而不是外连接？

当时用的是内连接，可是对于时间不匹配来说，如果用内连接的话，有些信息是否会丢失呢，比如有的日期灭鼠灭虫有，而灭蚊没有，为啥不用外链接呢因为用外连接可能会产生空值，而这些空值是没办法填充的

19.2897

4

1

0

关注作者

收藏

读童话的狼

大数据除了均值、四分位数进行RFM划分还有其他方法吗？

这个划分方法跟是否是大数据没有关系，一般就是利用分位数，也可以自己设置划分标段划分的越精细，用户群就会越多

2.4523

2

5

0

关注作者

收藏

<1…181920…69>

CDA考试动态

CDA报考指南