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

Anaconda下如何安装graphviz？

方法一：在线安装在Anaconda Prompt (Anaconda3)中运行下面代码pip install graphviz -i https://pypi.douban.com/simple方法一安装后如果调用出错，一般用离线安装方法可解决，离线安装前需要先卸载卸载方法：pip uninstall graphviz弹出提示时输入y,回车方法二：离线安装 1. 下载安装包首

20.8039

2

3

0

关注作者

收藏

读童话的狼

根节点的entropy为啥大于1？

对于二分类问题来说，信息熵最大是1，多分类问题的信息熵会大于1

4.3799

1

3

0

关注作者

收藏

读童话的狼

python zip 是什么？

zip()函数的定义：从参数中的多个迭代器取元素组合成一个新的迭代器；返回：返回一个zip对象，其内部元素为元组；可以转化为列表或元组；传入参数：元组、列表、字典等迭代器。当zip()函数有两个参数时，zip(a,b)zip()函数分别从a和b依次各取出一个元素组成元组，再将依次组成的元组组合成一个新的迭代器--新的zip类型数据。

4.3799

1

1

0

关注作者

收藏

读童话的狼

决策树中的如何衡量特征重要性？

使用随机森林是常用的一种衡量特征重要性的方法。可以计算正例经过的结点，进而，可以使用经过结点的数目、经过结点的gini系数和等指标。或者，随机替换一列数据，重新建立决策树，计算新模型的正确率变化，从而考虑这一列特征的重要性。

4.3799

1

4

0

关注作者

收藏

读童话的狼

pip安装的时候的可以设置保存路径吗？

不可以，pip安装的文件会默认放到anaconda下的文件夹内，如果放到其他位置，有可能会调用不了

5.4377

2

2

0

关注作者

收藏

读童话的狼

决策树模型用看一下数据的分布吗？

传统的决策树算法是数据分布敏感的,面对数据分布偏斜的样本集时,常导致少数类别样本的分类精度很低。已有的可以处理偏斜样本集的决策树算法只针对两种类别样本的集合。在数据预处理中也是需要看数据分布的，需要提前进行变换处理。

0.0000

0

2

0

关注作者

收藏

读童话的狼

决策树的优势在哪？

决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。对于决策树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。易于通过静态测试来对模型进行评测，可以测定模型可信度；如果给定一个观察的模型，那么根据所产生的决策

0.0000

0

1

0

关注作者

收藏

读童话的狼

决策树处理连续变量的是不是就是回归？

决策树是一种基本的分类与回归方法，本文叙述的是回归部分。回归决策树主要指CART(classification and regression tree)算法，内部结点特征的取值为“是”和“否”，为二叉树结构。所谓回归，就是根据特征向量来决定对应的输出值。回归树就是将特征空间划分成若干单元，每一个划分单元有一个特定的输出。因为每个结点都是“是”和“否”的判断，所以划分的边界是平行于坐标轴的。对

0.0000

0

2

0

关注作者

收藏

田齐齐

Kmeans性能评估指标轮廓系数

对于每个点𝑖 为已聚类数据中的样本，𝑏𝑖 为𝑖 到其它族群的所有样本的平均距离，𝑎𝑖 为𝑖 到本身簇的距离平均值最终计算出所有的样本点的轮廓系数平均值

20.1923

6

0

0

关注作者

收藏

读童话的狼

决策树为什么不做归一化？

因为数值缩放不影响分裂点位置，对树模型的结构不造成影响。按照特征值进行排序的，排序的顺序不变，那么所属的分支以及分裂点就不会有不同。而且，树模型是不能进行梯度下降的，因为构建树模型（回归树）寻找最优点时是通过寻找最优分裂点完成的，因此树模型是阶跃的，阶跃点是不可导的，并且求导没意义，也就不需要归一化。

0.0000

0

2

0

关注作者

收藏

田齐齐

多大数据适合用kmeans和knn算法?

答:因为kmeans和knn两个算法模型需要计算点与点之间的空间距离,所以最好用于量级较小的数据中.当然也需要考虑数据特征数的多少而定.

3.7683

5

1

0

关注作者

收藏

读童话的狼

C4.5分支时是利用的二分法吗？

当属性类型为离散型，无须对数据进行离散化处理；当属性类型为连续型，则需要对数据进行离散化处理。C4.5算法针对连续属性的离散化处理，核心思想：将属性A的N个属性值按照升序排列；通过二分法将属性A的所有属性值分成两部分（共有N-1种划分方法，二分的阈值为相邻两个属性值的中间值）；计算每种划分方法对应的信息增益，选取信息增益最大的划分方法的阈值作为属性A二分的阈值。

0.0000

0

3

0

关注作者

收藏

田齐齐

机器学习:KMeans组内距离平方和是哪个簇的？

问:KMeans组内距离平方和是哪个簇的？答:是所有簇相加的总和,

3.7683

5

0

0

关注作者

收藏

读童话的狼

决策树也是用于客户画像吗

用户画像，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。用户画像最初是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价

0.0000

0

3

0

关注作者

收藏

田齐齐

机器学习:利用sklearn生成4个簇的数据

导包:import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinefrom sklearn.datasets import make_blobs生成数据:# X为样本特征，Y为样本簇类别，共1000个样本，# 每个样本 2 个特征，共4个簇，# 簇中心在[-1,-1], [0,0],[1,1], [2,2

20.1923

6

5

0

关注作者

收藏

读童话的狼

决策树算法什么时候需要对变量进行分箱？

1、某些自变量类别数量较多或者区间型自变量，需要数据转换，分箱或多模型验证和测试2、决策树算法对区间型自变量进行分箱操作时，无论是否考虑了顺序因素，都有可能因为分箱丧失某些重要的信息。尤其是当分箱前的区间型变量与目标变量有明显的线性关系时，这种分箱操作造成的信息损失更为明显。

0.0000

0

3

0

关注作者

收藏

读童话的狼

在选择停止分支的时候看信息熵吗？

停止分支就是剪枝，剪枝是有很多参数的，最大树深，最大叶子节点数等，不只是看信息增益率的，可以设置信息增益小于某个值就不分支

0.0000

0

0

0

关注作者

收藏

读童话的狼

信息增益是越高越好么？

信息增益是整个数据集的经验熵与特征A对整个数据集的经验条件熵的差值，信息增益越大即经验条件熵越小，那什么情况下的属性会有极小的的经验条件熵呢？举个极端的例子，如果将身份证号作为一个属性，那么，其实每个人的身份证号都是不相同的，也就是说，有多少个人，就有多少种取值，如果用身份证号这个属性去划分原数据集，那么，原数据集中有多少个样本，就会被划分为多少个子集，这样的话，会导致信息增益公式的第二项整体为0

0.0000

0

1

0

关注作者

收藏

田齐齐

机器学习:Kmeans算法API参数说明

class sklearn.cluster.KMeans(n_clusters=8, init='k-means ', n_init=10, max_iter=300, tol=0.0001, , verbose=0, random_state=None, n_jobs=None) n_clusters: 就是K, 聚成几类 init:'k-means ', 一种选择初始中心点

3.7683

5

3

0

关注作者

收藏

田齐齐

模拟生成不均衡的数据中心点和离散程度设置

问:不均衡的数据指label为0和1的样本比例不一样那在生成不均衡数据的时候设置中心点和离散程度可以省略或者让class1和class2的中心点和离散程度完全一致吗？答:在模拟的数据集中,原则上是可以这样设置的,但用中心点和离散程度完全一致的数据集做聚类效果很差.为了将模拟确实有明显分类的数据我们一般需要设置class1和class2的中心点和离散程度.

36.3750

6

1

0

关注作者

收藏

<1…323334…69>

CDA考试动态

CDA报考指南