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

KNN算法中怎么决定k值？

KNN中的K值选取对K近邻算法的结果会产生重大影响。如果选择较小的K值，就相当于用较小的领域中的训练实例进行预测，“学习”近似误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，与此同时带来的问题是“学习”的估计误差会增大，换句话说，K值的减小就意味着整体模型变得复杂，容易发生过拟合；如果选择较大的K值，就相当于用较大领域中的训练实例进行预测，其优点是可以

11.3072

6

1

0

关注作者

收藏

赵娜0418

X[y==1,0]语句是什么意思？

y==1指的是行索引对应标签y为1的所有数据，0指的是列索引索引出第0列的数据

3.3108

3

3

0

关注作者

收藏

田齐齐

kmeans算法怎样预测新样本

kmeans算法预测新值的时候，他是怎么预测归属于哪一个簇下的？kmeans算法预测新值的时候，是看新样本位于哪个簇中，最终确定处于哪个簇。

5.6927

3

1

0

关注作者

收藏

读童话的狼

jupyter版本怎么看？

在命令行（win r打开运行窗口，输入cmd，回车）输入：jupyter --version

25.2006

3

2

0

关注作者

收藏

读童话的狼

sklearn中tree模块是可以构建树的吗？

需要传入前边训练过的模型，tree.export_graphviz只是把传入模型里边的树规则画出来，单独的tree是不能构建模型的

4.7587

2

4

0

关注作者

收藏

读童话的狼

range（50,200,20）是什么意思？

python range() 函数可创建一个整数列表range(start, stop[, step])start: 计数从 start 开始。默认是从 0 开始。例如range（5）等价于range（0， 5）;stop: 计数到 stop 结束，但不包括 stop。例如：range（0， 5）是[0, 1, 2, 3, 4]没有5step：步长，默认为1。例如：range（0， 5）

25.2006

3

1

0

关注作者

收藏

读童话的狼

最小分支数和最小叶子结点数是两个独立的参数吗？

是的min_samples_leaf 最小叶节点的数目在分支的时候，如果分到某个叶子节点的样本数目少于min_samples_leaf，则就不会再分支。主要作用就是控制叶子结点的最小样本数 min_samples_split 最小分支的数目对于一个节点，如果要分支，则要求其样本数要大于min_samples_split。否则不会允许该节点发生分支。

6.0697

3

1

0

关注作者

收藏

读童话的狼

Python zip() 函数怎么用？

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。>>>a = [1,2,3]>>> b = [4,5,6]>>> c = [4,5,6,7,8]>>> zipped = zip(a,b) # 打包为元组的列表

26.5116

4

4

0

关注作者

收藏

读童话的狼

决策树为什么要对文本型变量进行编码？

Sklearn只能用one hot，因为它不支持直接操作categorical feature在使用 sklearn 或 XGBoost 等不支持类别特征的最优切分工具时，可以用这个方法。具体处理方法label encoding特征存在内在顺序 (ordinal feature)one hot encoding特征无内在顺序，category数量 < 4target encodin

4.7587

2

2

0

关注作者

收藏

读童话的狼

布尔索引使用注意的问题？

我们可以通过一个布尔数组来索引目标数组，以此找出与布尔数组中值为True的对应的目标数组中的数据。需要注意的是，布尔数组的长度必须与目标数组对应的轴的长度一致。df[df.isna().values] #索引为二维数组，可以提取有空值的所有行df[df.isna()] #索引为表，不能提取正确结果所以布尔索引应是序列，其他的数据结构是不行的

4.7587

2

2

0

关注作者

收藏

读童话的狼

多变量分析有哪些方法？

在社会科学研究中，主要的多变量分析方法包括多变量方差分析（Multivariate analysis of variance，MANOVA）、主成分分析（Principal component analysis）、因子分析（Factor analysis）、典型相关（Canonical correlation analysis）、聚类分析（Cluster analysis）、判别分析（Discri

4.3799

1

7

0

关注作者

收藏

读童话的狼

DataFrame行，列显示不完全的解决办法

显示全部行，列输出#显示所有列pd.set_option('display.max_columns', None)#显示所有行pd.set_option('display.max_rows', None)一般不设置全部输出，会很占内存

24.8218

2

5

0

关注作者

收藏

读童话的狼

评估分类模型的精准度是什么意思？

　精准度是精确性的度量，表示被分为正例的示例中实际为正例的比例，precision=TP/（TP FP）；

24.8218

2

3

0

关注作者

收藏

田齐齐

评估指标学习曲线

学习曲线,在训练集和测试集上得到的最好参数结果不同,最终采纳哪个调参的结果是看在测试集得分情况.

5.6927

3

1

0

关注作者

收藏

田齐齐

编码顺序从大到小和从小到大有没有影响?

在对特征进行编码时,顺序从大到小和从小到大有没有影响?答:针对有顺序的特征最好按照顺序进行编码,例如学历情况:初中未毕业,初中毕业,高中毕业,专科,本科,硕士,博士,博士后.对应的编码要分别为0,1,2,3,4,5,6,7,8.按照从小到大的顺序.针对类型级别平行的就没有顺序要求了.

35.6927

4

7

0

关注作者

收藏

田齐齐

seaborn是什么?

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

35.6927

4

0

0

关注作者

收藏

shauna570392

拟合优度多少算好

拟合优度是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）R²。R²最大值为1。R²的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R²的值越小，说明回归直线对观测值的拟合程度越差。

2.1784

1

1

0

关注作者

收藏

shauna570392

右偏反映了什么

偏态系数大于0，因为均值在众数之右，是一种右偏的分布，又称为正偏。偏态系数是根据众数、中位数与均值各自的性质，通过比较众数或中位数与均值来衡量偏斜度的，即偏态系数是对分布偏斜方向和程度的刻画。

0.0000

0

3

0

关注作者

收藏

shauna570392

负相关是什么意思

在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大），在这种情况下，因变量和自变量的相关系数为负值，即负相关。反之，正相关是指自变量增长，因变量也跟着增长。两个变量变动方向相同，一个变量由大到小或由小到大变化时，另一个变量亦由大到小或由小到大变化。

30.0000

1

1

0

关注作者

收藏

吃瓜群众2号

scikit-learn 中的轮廓系数

对应 scikit-learn 方法是 sklearn.metrics.silhouette_score。该方法是计算所有样本的平均值，另一个方法 silhouette_samples 会返回所有样本的轮廓系数。在文档中提到，轮廓系数需要聚类数大于2，小于(样本数-1)。方法包括几个参数，最终返回一个 float 的轮廓系数，通常是在全部样本上的。X：二维样本，通常为[n_samples, n

76.4805

2

1

0

关注作者

收藏

<1…313233…69>

CDA考试动态

CDA报考指南