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

n_jobs=-1,这是什么意思

n_jobs指的是调用cpu的进程数量，比如n_jobs=8,会看到任务管理器中会有8个cpu进程，是为了加速运行。当然这会和CPU硬件的线程数的极限挂钩，不会一味的增加下去。n_jobs=-1表示使用CPU所有的线程数进行运算，起到并行加速的作用

0.0000

0

3

0

关注作者

收藏

读童话的狼

正负样本如果不平衡，怎么处理？

正负样本如果不平衡，在树模型中可以利用class_weight参数做一个样本权重的调整，其他方法可以在数据预处理中利用 SMOTE算法过采样进行处理

30.2345

2

1

0

关注作者

收藏

读童话的狼

针对连续性标签的预测是不是只有线性回归比较合适呀？

是否使用线性回归看的是自变量和因变量之间是线性关系还是非线性关系，是线性关系用线性回归就比较合适，非线性关系就不能用线性回归，可以用决策树等非线性模型

30.2345

2

3

0

关注作者

收藏

读童话的狼

ROC曲线怎么画出来的？

ROC的全称是Receiver Operating Characteristic Curve，其主要的分析方法就是画这条特征曲线。ROC曲线图是反映敏感性与特异性之间关系的曲线。横坐标X轴为 1 – 特异性，也称为假阳性率（误报率），X轴越接近零准确率越高；纵坐标Y轴称为敏感度，也称为真阳性率（敏感度），Y轴越大代表准确率越好。根据曲线位置，把整个图划分成了两部分，曲线下方部分的面积被称

6.2728

1

1

0

关注作者

收藏

读童话的狼

偏差和方差，在计算上有什么差别？

偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据，如下图第二行所示。方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，如下图右列所示。

6.2728

1

5

0

关注作者

收藏

读童话的狼

用均值填补是不比0好些啊？

均值填补比0填补要好，因为0在数据的概念上表示的是没有信息，而均值是数据的中心，是包含数据的信息的，除非原始数据中就包含0，否则连续数据一般根据均值或中位数进行填补

6.2728

1

2

0

关注作者

收藏

读童话的狼

随机森林每次抽原数据多大比例作为基模型的训练数据？

随机森林是bagging方法的代表算法，所以它采用的也是自主采样法（Bootstap sampling），也就是说对于m个样本的原始数据集，每次随机选取一个样本放入采样集，然后把这个样本重新放回原数据集中，然后再进行下一个样本的随机抽样，直到一个采样集中的数量达到m，这样一个采样集就构建好了，然后我们可以重复这个过程，行成n个这样的采样集。

6.2728

1

5

0

关注作者

收藏

读童话的狼

混淆矩阵怎么读？

混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目：如上图，第一行第一列中的47表示有47个实际归属第一类的实例被预测为第一类，同理，第一行第二列的0表示有0个实际归属为第一类的实例被错误预测为第二类，第一行第八列的1表示有1个实际归属为第一类的实

6.2728

1

6

0

关注作者

收藏

读童话的狼

make_blobs()报错

这是因为在旧版本中n_samples只支持整数，在新版本中可以支持整数和数组，整数代表是总样本数，数组代表是每个类别的样本数所以只需要更新sklearn到最新版本就可以了

6.2728

1

2

0

关注作者

收藏

PGC123

如何安装prml这个包？

老师prml这个包怎么才能用？也安装不了答：这个包因该是自定义的，并没有在pypi的软件仓库注册，因此通过pip无法安装。可以找到项目的地址，将项目下载后进行安装项目地址：https://github.com/ctgk/PRML 下载后根据以下步骤，在命令行执行：在下载的PRML处执行如下命令编译：python3 setup.py build然后执行下面命令安装：

37.7856

3

3

0

关注作者

收藏

读童话的狼

mysql报错1366

Error Code: 1366. Incorrect integer value: 'empno,ename,job ,mgr,hiredate,sal,comm,deptno ' for column 'empno' at row 10.000 sec这是因为改empno字段类型的一句代码没有执行，造成数据类型不匹配

6.2728

1

2

0

关注作者

收藏

读童话的狼

为什么要取yi的幂？

这是计算过程中一个取巧的方法，首先是利用对数变换将连乘变成了连加，yi是因为在计算二项分布的分布律时，是下面的式子 yi的取值是1和0，整好对应上面式子的x

6.2728

1

1

0

关注作者

收藏

读童话的狼

岭地图怎么看的？

这是一个以正则化参数为横坐标，线性模型求解的系数w为纵坐标的图像，其中每一条彩色的线都是一个系数。其目标是建⽴立正则化参数与系数w之间的直接关系，以此来观察正则化参数的变化如何影响了了系数w的拟合。岭迹图认为，线条交叉越多，则说明特征之间的多重共线性越高。我们应该选择系数较为平稳的喇喇叭口所对应的α取值作为最佳的正则化参数的取值。然而，不建议使用岭迹图来作为寻找最佳参数的标准。因为岭迹图

6.2728

1

4

0

关注作者

收藏

读童话的狼

为什么回归直线必定过均值点？

利用最小二乘法计算回归方程时，是以最小化残差平方和为优化目标来计算系数的，通过计算偏导数，得到回归方程的系数如下：根据上面式子计算得到回归方程必过x、y的平均值

6.2728

1

5

0

关注作者

收藏

shauna570392

安装包报错 timeout

显示timeout下载超时了，可以加个下载源，运行pip install XXX -i https://pypi.tuna.tsinghua.edu.cn/simple如果不加镜像源，会访问国外网站下载，很可能出现网络超时无法下载的情况，加入国内的下载网站可以解决这一问题。

20.4547

2

3

0

关注作者

收藏

liting李

写KNN函数时这一行代码报错，但是单独运行就可以，是什么原因

在写KNN函数时这一行代码报错，但是单独运行就可以，请问是什么原因？原因是distance里面的参数是new_data,而KNN函数里的参数是new_film,两者没有对上。将new_data 这个改成 new_film即可。同学们要注意，函数里的参数要保持一致哦！

10.9651

1

1

0

关注作者

收藏

读童话的狼

特征是时间的怎么处理？

时间本身的特征如：用户在购买网站上的浏览、购买、收藏的时间；产品在购物网站上的上线时间；顾客在银行的存款和借款时间等。形式：日期、时间戳等。方法：将时间变量作为类别变量处理。时间变量之间的组合特征如：计算产品上线到现在经过了多长时间；顾客上次借款距离现在的时间间隔；两个时间间隔之间是否包含节假日或其他特殊日期等。方法：根据两个或多个时间变量的含义，进行特征组合。时间序列相关特征

43.5735

6

3

0

关注作者

收藏

读童话的狼

二进制编码跟二值编码有区别吗？

二进制是计算机使用进制编码二值编码是特征处理的方法两者是不同的

5.7630

3

1

0

关注作者

收藏

读童话的狼

偏差是因为欠拟合造成的吗？

期望输出与真实值的差别称之为偏差，即： bias2(x) = (fExpectedD(x) - y)2 //与真实值之间的差距使用样本数相同的不同训练集产生的方差为： var(x) = E[(fD(x) - fExpectedD(x))2] //与预测值期望的偏离程度评价数据拟合的状况，通常采用损失函数 J(X) 高偏差：Jtrain和Jcv都很大，并且Jtrain≈Jcv。对应欠拟合。

38.3632

4

5

0

关注作者

收藏

读童话的狼

核函数为什么会增加模型复杂度？

核函数不是为了把高维空间的问题在低维空间计算，为什么会增加模型复杂度？支持向量机通过某非线性变换 φ( x) ，将输入空间映射到高维特征空间。特征空间的维数可能非常高。如果支持向量机的求解只用到内积运算，而在低维输入空间又存在某个函数 K(x, x′) ，它恰好等于在高维空间中这个内积，即K( x, x′) = 。那么支持向量机就不用计算复杂的非线性变换，而由这

5.7630

3

4

0

关注作者

收藏

<1…202122…69>

CDA考试动态

CDA报考指南