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

PGC123

机器学习训练后的模型如何保存？

机器学习训练后的模型如何保存？答：使用机器学习算法在训练数据上训练出的模型必须要导出来的，因为训练过程是比较耗时的，我们不可能每次使用模型做预测或者分类的时候再训练一次。模型保存如何实现呢？以scikit-learn 为例：首先训练一个模型# 训练svm模型from sklearn import svmfrom sklearn import datasetsclf=svm.SVC(

29.5834

2

3

0

关注作者

收藏

赵娜0418

决策树每次运行出来的都过都不一样，那解释还有意义吗？

决策树每次运行出来的都过都不一样，但是一般来说如果splitter="best"最优的划分方式，那基本上每次的结果都不会差太多

59.3652

8

1

0

关注作者

收藏

赵娜0418

哪种分布的连续性变量适用于决策树？哪些又不适用呢？

对于机器学习算法做预测，分布的影响特别小，它不像统计学，统计学做分析的时候对分布的要求是比较高的。

32.9732

7

2

0

关注作者

收藏

赵娜0418

决策树分出来的结果怎么用？

举例说明：以上是决策时分出来的结果，拿1号举例这个男生不陪女朋女，也天天吃鸡，由此判断他是一个渣男

59.3652

8

2

0

关注作者

收藏

赵娜0418

欠拟合的模型的泛化程度如何？

如果一个模型是欠拟合状态的话，那么它的泛化程度也不会很好。

13.3987

6

2

0

关注作者

收藏

赵娜0418

不划分的另一部分叶子，如果不是最纯的状态，怎么办？

这个问题在决策树算法中是存在的，但是在ID3算法中是不存在的，ID3算法绝对是最纯的，这是因为ID3算法不能分连续型数据，每个样本不一样，而每个样本的取值都是固定的，所以一定会找到最纯的状态，又因为它永远要达到叶子的纯度，没有防止过拟合剪枝的策略

13.3987

6

3

0

关注作者

收藏

赵娜0418

信息增益和特征熵的关系

一个属性的信息增益越大，表明属性对样本的熵减少的能力更强，这个属性使得数据由不确定性变成确定性的能力越强。所以如果是取值更多的属性，更容易使得数据更“纯”（尤其是连续型数值），其信息增益更大，决策树会首先挑选这个属性作为树的顶点。结果训练出来的形状是一棵庞大且深度很浅的树，这样的划分是极为不合理的。

14.4016

7

1

0

关注作者

收藏

赵娜0418

多维数据是否可以可视化？

多维数据一般是没有办法可视化的，而且很满形象的在脑海中想象出画面，如果一定要为多为数据可视化，那么可以用PCA主成分降维技术或者聚类技术进行降维，降维之后再进行可视化操作。

15.4456

7

1

0

关注作者

收藏

赵娜0418

核心点是如何根据Eps和Minpts决定的？

首先最初的核心点是随机选取的，通过半径会选择出一个稠密区域，如果的最小域值设置的比较低，就算这些点在稠密区域，但是它在下次迭代的时候，它也会将一些边缘性的点作为新的核心点来进行圈定，也就是说每次迭代的时候，首先随机选取一个核心点，然后圈定稠密区域，找到最外层的那一个边界点，然后将这个边界点设置为下次迭代新的核心点来进行迭代。

15.4456

7

1

0

关注作者

收藏

赵娜0418

做交叉验证之前，需要先将特征归一化吗？

是的，归一化是在建模之前，交叉验证是在建模中或者建模后调整时使用

14.9113

7

1

0

关注作者

收藏

赵娜0418

jupyter noteboo运行结果修改字体

运行以下代码即可修改：plt.rcParams['font.sans-serif'] = ['KaiTi']plt.rcParams['font.serif'] = ['KaiTi'] 注：['KaiTi']中的内容根据自己需要修改的字体做调整

14.9113

7

3

0

关注作者

收藏

赵娜0418

jupyter notebook运行结果不显示中文

如上图所示jupyter notebook运行结果不显示中文，运行一下代码即可解决from matplotlib.font_manager import FontManagerplt.rcParams['font.sans-serif'] = 'SimHei'plt.rcParams['axes.unicode_minus'] = False

14.8338

7

3

0

关注作者

收藏

赵娜0418

K-means为啥不用标准化或者归一化？

K-means标准化或者归一化是没有必要的，因为我们是安装它本身的范围来做的聚类分析，如果再做标准化或者归一化整个数据的分布就会不一样的，因为标准化、归一化的作用是为了让有监督学习预测标签的时候更准确，而聚类分析对数据的准确性是没有要求的。

14.8338

7

3

0

关注作者

收藏

赵娜0418

k-means聚类和简单统计软件它们结果准确性有区别吗？

k-means聚类和简单统计软件如SPSS它们所得结果的准确性区别一般不大，因为聚类的方法一般没有可靠的准确性，一般是通过聚类的整个逻辑来计算的，但其实在Python里边的聚类它一般运行的速度会更快，由于它选择质心的时候有一些非常优化的算法，所以一般来说Python的准确性要比SPSS好一点，但是遇到回归类问题时就不一定了。

14.8338

7

2

0

关注作者

收藏

liting李

什么是目标变量

变量又叫做容器，是一个不固定的量。是可以改变的量。目标变量就是你程序所选择的变量。

0.0013

1

2

0

关注作者

收藏

赵娜0418

归一化和分训练集验证集应该先做什么?

一般是先分训练集和测试集，在做归一化

12.0431

6

2

0

关注作者

收藏

赵娜0418

交叉验证方法对数据量多大的有没有要求？

交叉验证的方法一般对数据量是没有要求的，一般数据量在三十个以上就是可以做的。

9.9962

5

2

0

关注作者

收藏

赵娜0418

方差大于多少代表开始不稳定了？

在机器学习中，方差大于多少代表不稳定这个是没有具体规定的，这个要看你整个模型在你当前的数据中的情况，因为在某些时候进行调参的时候会出现时高时低的情况，一般来说方差在零点零几都是可以的。

9.9962

5

1

0

关注作者

收藏

赵娜0418

交叉验证有5个分数，最大值和最小值差别比较大的原因？

交叉验证有5个分数，最大值和最小值差别比较大，出现这个问题的原因一般是说明当前模型不稳定

9.9962

5

1

0

关注作者

收藏

赵娜0418

机器学习中训练集和测试集的占比

当数据量比较小时，可以使用 7 ：3 训练数据和测试数据或者 6： 2 : 2 训练数据，验证数据和测试数据当数据量非常大时，可以使用 98 : 1 : 1 训练数据，验证数据和测试数据

9.9962

5

4

0

关注作者

收藏

<1…303132…69>

CDA考试动态

CDA报考指南