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

田齐齐

分类型数据中,一般是默认1为少类，0为多类吗？

问:分类型数据中,默认1为少类，0为多类吗？答:这个并不是绝对的,但习惯上一般默认1为少类，0为多类.习惯将我们更期望被预测出来的类型标位1类

20.1988

6

1

0

关注作者

收藏

田齐齐

机器学习:对于样本不均衡的数据集应该怎样处理

模型天生会倾向于识别多数类, 但是在我们的大多数不均衡数据集中, 少类样本才是我们真正想要去识别的类别.解决方案: 1. 构建一个新的模型效果评估体系, 去评估模型对于少类样本的识别情况. - 混淆矩阵 - 精准度 - 召回率 - f1-score2. 解决数据集中的类别不均衡问题 - 采用采样法: 上采样(SOMTE采样法), 下采样 -

36.3750

6

4

0

关注作者

收藏

liting李

KNN和Kmeans 好像有点像

这两种算法之间的根本区别是，Kmeans本质上是无监督学习而KNN是监督学习。Kmeans是聚类算法，KNN是分类（或回归）算法。Kmeans算法把一个数据集分割成簇，使得形成的簇是同构的，每个簇里的点相互靠近。该算法试图维持这些簇之间有足够的可分离性。由于无监督的性质，这些簇没有任何标签。KNN算法尝试基于其K（可以是任何数目）个周围邻居来对未标记的观察进行分类。它也被称为懒惰学习法，因为它涉及

20.1840

3

2

0

关注作者

收藏

liting李

对于样本不均衡数据集如何处理？

对于样本不均衡数据集:模型天生会倾向于识别多数类, 但是在我们的大多数不均衡数据集中, 少类样本才是我们真正想要去识别的类别.解决方案: 1. 构建一个新的模型效果评估体系, 去评估模型对于少类样本的识别情况. - 混淆矩阵 - 精准度 - 召回率 - f1-score2. 解决数据集中的类别不均衡问题 - 采用采样法: 上采样(SOMTE采样

3.7600

2

0

0

关注作者

收藏

shauna570392

线性回归损失函数如何理解

主要是理解公式中不同字符代表了什么

15.4547

1

1

0

关注作者

收藏

读童话的狼

轮廓系数如何计算的？

轮廓系数（Silhouette Coefficient），是聚类效果好坏的一种评价方式。最早由 Peter J. Rousseeuw 在 1986 提出。它结合内聚度和分离度两种因素。可以用来在相同原始数据的基础上用来评价不同算法、或者算法不同运行方式对聚类结果所产生的影响。方法：1，计算样本i到同簇其他样本的平均距离ai。ai 越小，说明样本i越应该被聚类到该簇。将ai 称为样本i的簇内不相

0.0000

0

4

0

关注作者

收藏

田齐齐

机器学习：信息熵

信息熵是用来衡量一个随机变量出现的期望值，一个变量的信息熵越大。在决策树模型中信息熵越大，表示纯度越低。

3.7748

5

0

0

关注作者

收藏

读童话的狼

k-means中随着k增大总距离平方和是越来越小吗？

随着k增大，平方和是会逐渐变小的，直到k==n时平方和为0，因为每个点都是它所在的簇中心本身。

0.0000

0

2

0

关注作者

收藏

读童话的狼

.labels_与.predict()的应用区别？

当数据量太大的时候！其实我们不必使用所有的数据来寻找质心，少量的数据就可以帮助我们确定质心了。当我们数据量非常大的时候，我们可以使用部分数据来帮助我们确认质心，剩下的数据的聚类结果，使用predict来调用。# 实例化的对象一致k_means_partdata = KMeans(n_clusters=3, random_state=10)# 隔着选取一半样本进行聚类，此处会生成3个质心

0.0000

0

1

0

关注作者

收藏

田齐齐

机器学习：决策树重要参数说明

DecisionTreeClassifier (criterion='gini', splitter='best', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes

3.7748

5

4

0

关注作者

收藏

田齐齐

机器学习：决策树模型为什么不用归一化处理

对于树形结构为什么不需要归一化？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。概率模型不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、rf。而像adaboost、svm、lr、KNN、KMeans之类的最优化问题就需要归一化。而且，树模型是不能进行梯度下降的，

3.7748

5

1

0

关注作者

收藏

田齐齐

机器学习：sklearn中的决策树用的是哪个版本的算法

sklearn中的决策树用的是CART二叉树:分类回归树。

3.7748

5

4

0

关注作者

收藏

田齐齐

机器学习：决策树模型中的不纯度指标

我们一般怎样去选择使用哪个指标来评价决策树模型中的不纯度指标。错误率: 因为变化是一个直线变化, 数学性质不好信息熵: 数学性质号, 但是有对数运算, 需要消耗运算量大基尼: 和信息熵基本一样, 而且消耗的运算量小所以我们绝大多数时候直接选择基尼指数即可。

3.7748

5

3

0

关注作者

收藏

田齐齐

机器学习：什么是过拟合

噪声代表了数据中的异常值过拟合: 我们用模型去拟合数据, 但是在拟合的而过程当中, 不但会学习到数据中的规律, 也会学习到数据中的噪声. 所以说如果模型的学习能力太强, 那么就会学习到数据中的噪声信息, 这样的模型的表现:在训练集上面效果特别好, 但是在测试集或验证集上面表现非常差.也就是模型的泛化能力很差.这个时候, 一般来说我们就认为模型过拟合了.

2.4637

4

4

0

关注作者

收藏

田齐齐

机器学习：先进性归一化处理还是先拆分数据集

需要先进行训练集和测试集的拆分, 然后才能进行归一化原因: 测试集是为了评估模型的在未知数据中的表现情况, 归一化的过程, 也是我们建模中的一步, 如果说将测试集也放到归一化模型的训练过程当中, 那么就等于说我们的模型接触到了测试集的信息。这种情况称为数据泄露, 在建模过程当中是不允许的。

2.4637

4

3

0

关注作者

收藏

读童话的狼

无监督学习需要分训练集、测试集吗？

无监督学习中，我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。测试集的目的是为了评估模型的准确率，也就是要将预测标签与真实标签进行对比，因为无监督学习是没有标签的，划分测试集也就没有意义

0.0000

0

3

0

关注作者

收藏

读童话的狼

plt.cm.tab10如何选择颜色？

matplotlib.cm是matplotlib库中内置的色彩映射函数。使用方法：matplotlib.cm.[色彩]('[数据集]')即对[数据集]应用[色彩]

0.0000

0

1

0

关注作者

收藏

读童话的狼

K-means算法如何确定初始质心？

常见的方法是随机的选取初始质心，但是这样簇的质量常常很差。处理选取初始质心问题的一种常用技术是：多次运行，每次使用一组不同的随机初始质心，然后选取具有最小SSE（误差的平方和）的簇集。这种策略简单，但是效果可能不好，这取决于数据集和寻找的簇的个数。第二种有效的方法是，取一个样本，并使用层次聚类技术对它聚类。从层次聚类中提取K个簇，并用这些簇的质心作为初始质心。该方法通常

0.0000

0

5

0

关注作者

收藏

liting李

决策树模型一般第一个都是先跑一下调树深度么？

是的，一般是。在用一个模型的时候，可以用默认的参数先跑一遍（先不用调），我们看一下它的表现情况，然后进行调参（调一些比较重要的参数就可以了，而具体先调哪个参数就很灵活了）。

3.7600

2

2

0

关注作者

收藏

读童话的狼

map()、apply()、applymap()有什么区别？

map()是Series对象的一个函数，DataFrame中没有map()，map()的功能是将一个自定义函数作用于Series对象的每个元素;现在使用map()函数来将data1这一列的数据改为保留三位小数显示df['data1'] = df['data1'].map(lambda x : "%.3f"%x)apply()函数的功能是将一个自定义函数作用于DataFrame的行或者列;现

0.0000

0

0

0

关注作者

收藏

<1…333435…69>

CDA考试动态

CDA报考指南