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

分类模型出现非平衡样本现象怎么解决

评分卡作为分类模型问题，如果出现非平衡样本的现象，什么方法能够解决这种现象答：1、对少数类样本进行过采样2、对多数类样本进行欠采样3、SMOTE采样技术

1.3317

2

3

0

关注作者

收藏

赵娜0418

SMOTE算法的具体步骤是什么

SMOTE算法的具体步骤是什么？答：1. 随机找一个少数类的观测点 2. 用KNN计算观测点最近的样本 3. 随机挑选离观测点近邻的其中一个样本 4. 计算两点的差值后进行随机提取。所以这里的随机体现在两个方面，线性体现在求差值的运算上面。

0.9049

2

2

0

关注作者

收藏

赵娜0418

为什么要开发申请评分卡？

为什么要开发申请评分卡？答：- 风险控制：借贷生命周期的第一个关口- 营销：优质客户识别- 资本管理：可作为PD模型的一个因子

0.8511

2

1

0

关注作者

收藏

读童话的狼

神经网络就是深度学习吗？

神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。通常来说，单层神经网络称作感知机，两层神经网络叫做多层感知机，多层神经网络称为深度学习。

0.0000

0

3

0

关注作者

收藏

读童话的狼

线性变换中的点积在机器学习中有哪些应用？

根据点积的代数公式：a·b=a1b1 a2b2 …… anbn，假设a为给定权重向量，b为特征向量，则a·b其实为一种线性组合，函数F（a·b）则可以构建一个基于a·b c = 0 （c为偏移）的某一超平面的线性分类器，F是个简单函数，会将超过一定阈值的值对应到第一类，其它的值对应到第二类。另外，矢量内积是人工智能领域中的神经网络技术的数学基础之一，此方法还被用于动画渲染。

0.0000

0

3

0

关注作者

收藏

读童话的狼

泰勒公式是做什么用的？

泰勒公式，也称泰勒展开式。是用一个函数在某点的信息，描述其附近取值的公式。如果函数足够平滑，在已知函数在某一点的各阶导数值的情况下，泰勒公式可以利用这些导数值来做系数，构建一个多项式近似函数，求得在这一点的邻域中的值简单来讲就是用一个多项式函数去逼近一个给定的函数(即尽量使多项式函数图像拟合给定的函数图像)，注意，逼近的时候一定是从函数图像上的某个点展开。如果一个非常复杂函数，想求其某点的值，

0.0454

1

2

0

关注作者

收藏

读童话的狼

怎么通俗的理解主成分降维？

举个例子：你正在拍摄一个水壶。水壶是三维的，但是照片是二维的，为了更全面的把水壶展示给客户，你需要从不同角度拍几张图片。下图是你从四个方向拍的照片：如果只能给客户发一张照片，那么你会选择哪张照片呢？相信大多数人都会选择第四张，因为从这张图片能更好的想象出水壶的全貌，也就是说这个角度的照片包含的水壶的信息最多主成分降维也是如此，通过旋转坐标系，找寻一个方向（主成分），使这个方向上包含的

0.0000

0

2

0

关注作者

收藏

shauna570392

有监督学习和无监督学习的区别

有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测（LR、SVM、RF、GBDT）无监督学习：对未标记的样本进行训练学习，已发现这些样本中的知识结构（Kmeans，DL）

0.9994

1

1

0

关注作者

收藏

shauna570392

什么是AUC曲线,如何计算?

AUC指的是ROC曲线下的面积大小，该值能够量化地反映基于 ROC曲线衡量出的模型性能。计算AUC值只需要沿着ROC横轴做积分就可以了。由于ROC曲线一般都处于y=x这条直线的上方（如果不是的话，只要把模型预测的概率反转成1−p就可以得到一个更好的分类器），所以AUC的取值一般在0.5～1之间。AUC越大，说明分类器越可能把真正的正样本排在前面，分类性能越好。

0.0000

0

1

0

关注作者

收藏

shauna570392

ROC曲线的原理是什么

ROC曲线是真正率和假正率在不同的阀值下之间的图形表示关系。通常用作权衡模型的敏感度与模型对一个错误分类报警的概率。真正率：表示正的样本被预测为正占所有正样本的比例。假正率：表示负的样本被预测为正占所有负样本的比例。（0，0）点表示所有样本都被预测为负，此时阀值很大。（1，1）点表示所有样本都被预测为正，此时阀值很小。

0.9994

1

2

0

关注作者

收藏

shauna570392

模型评估阶段,过拟合和欠拟合具体是指什么现象

过拟合是指模型对于训练数据拟合呈过当的情况，反映到评估指标上，就是模型在训练集上的表现很好，但在测试集和新数据上的表现较差。欠拟合指的是模型在训练和预测时表现都不好的情况。

0.0000

0

3

0

关注作者

收藏

shauna570392

什么是多项式回归

线性回归的局限性是只能应⽤于存在线性关系的数据中，但是在实际⽣活中，很多数据之间是⾮线性关系，虽然也可以⽤线性回归拟合⾮线性回归，但是效果将会很差，这时候就需要对线性回归模型进⾏改进，使之能够拟合⾮线性数据。研究一个因变量与一个或多个自变量间多项式的回归分析方法，称为多项式回归。

0.9994

1

2

0

关注作者

收藏

shauna570392

R方越接近1，表明回归平⽅和占总平⽅和的⽐例越⼤，回归直线与各观测点越接近，⽤ x的变化来解释 y值变化的部分就越多，回归直线的拟合程度就越好；反之R方越接近0，回归直线的拟合程度就越差。

0.9994

1

2

0

关注作者

收藏

shauna570392

R2 的取值范围

判定系数R2 测度了回归直线对观测数据的拟合程度。• 若所有观测点都落在直线上，残差平⽅和为 SSE = 0，则R2 = 1，拟合是完全的；• 如果 y的变化与 x⽆关， x完全⽆助于解释 y的变化，ŷ= y¯ ，则 R2=0。可⻅ R2 的取值范围是[0,1]

0.0000

0

3

0

关注作者

收藏

shauna570392

为什么我们要选择⾃然对数函数来作为成本函数？

逻辑回归模型的预测函数是Sigmoid函数，⽽Sigmoid函数⾥有e的n次⽅运算，⾃然对数刚好是其逆运算。选择⾃然对数，最终会推导出形式优美的逻辑回归模型参数的迭代函数，⽽不需要去涉及对数运算和指数函数运算。这就是我们选择⾃然对数函数来作为成本函数的原因

0.9994

1

2

0

关注作者

收藏

shauna570392

分类和回归问题的区别

一、问题我们可以将机器学习任务分为分类任务和回归任务那么具体二者有什么区别？二、解答输出变量为连续变量的预测问题是回归问题，输出变量是有限个离散变量的预测问题是分类问题。举个例⼦：预测房价，这是⼀个回归任务；预测性别，就是⼀个分类任务。

0.0000

0

0

0

关注作者

收藏

liting李

K-Means聚类算法有哪些优点？

K-Means聚类算法的优点主要集中在:1.算法快速、简单;2.对大数据集有较高的效率并且是可伸缩性的;3.时间复杂度近于线性，而且适合挖掘大规模数据集。K-Means聚类算法的时间复杂度是O(nkt) ,其中n代表数据集中对象的数量，t代表着算法迭代的次数，k代表着簇的数目。

0.0000

0

1

0

关注作者

收藏

liting李

kmeans算法原理总结

先随机选择K个质心，根据样本到质心的距离将样本分配到最近的簇中，然后根据簇中的样本更新质心，再次计算距离重新分配簇，直到质心不再发生变化，迭代结束。

0.0000

0

1

0

关注作者

收藏

shauna570392

朴素贝叶斯算法的优缺点

素⻉叶斯的主要优点有：1. 朴素⻉叶斯模型发源于古典数学理理论，有稳定的分类效率。2. 对⼩规模的数据表现很好，能个处理多分类任务，适合增量式训练，尤其是数据量超出内存时，我们可以⼀批批的去增量训练。3. 对缺失数据不太敏敏感，算法也⽐较简单，常⽤于⽂本分类。朴素⻉叶斯的主要缺点有：1. 理论上，朴素⻉叶斯模型与其他分类⽅法⽐具有最⼩的误差率。但是实际上并⾮总是如此，这是因为朴素⻉叶

0.9994

1

5

0

关注作者

收藏

shauna570392

为什么要做平滑处理？

为了解决零概率问题，在计算实例概率时，如果某个量X，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0，所以需要做平滑处理。

0.9994

1

1

0

关注作者

收藏

<1…444546…69>

CDA考试动态

CDA报考指南