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

shauna570392

什么是非线性归一化

经常用在数据分化比较大的场景，有些数值很大，有些很小。通过一些数学函数，将原始值进行映射。该方法包括 log、指数，正切等。需要根据数据分布的情况，决定非线性函数的曲线，比如log(V, 2)还是log(V, 10)等。

0.0000

0

4

0

关注作者

收藏

shauna570392

标准差归一化

经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：a　　其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

0.9994

1

3

0

关注作者

收藏

shauna570392

什么是线性归一化

a 这种归一化方法比较适用在数值比较集中的情况，数据点没有因为特征的基本性质而产生较大差异，即确保数据处于同一数量级（同一量纲），提高不同特征数据的可比性。这种方法有个缺陷，如果max和min不稳定，很容易使得归一化结果不稳定，使得后续使用效果也不稳定。实际使用中可以用经验常量值来替代max和min。把每个特征向量（特别是奇异样本数据）的值都缩放到相同数值范围。如[0,1]或[-

0.9994

1

3

0

关注作者

收藏

shauna570392

朴素贝叶斯中的朴素二字是如何理解的？

朴素贝叶斯基于一个简单的假定：给定特征向量之间相互条件独立。朴素体现:a考虑到P(B1B2...Bn)对于所有类别都是一样的。而对于朴素贝叶斯的分类场景并需要准确得到某种类别的可能性，更多重点在于比较分类结果偏向那种类别的可能性更大。因此从简化度上，还可以对上述表达式进行优化。简化公式:a这也是朴素贝叶斯得以推广使用一个原因，一方面降低了计算的复杂度，一方面却没有很大程度上影响

0.9994

1

3

0

关注作者

收藏

读童话的狼

主成分分析（PCA）有哪些优缺点？

主成分分析法的优劣优势：l得到的主成分之间是不相关的l用较少综合变量保留尽可能多的原始信息l简化计算过程劣势：l所提取的前几个主成分的累计贡献率要达到一个较高水平l主成分的解释不像原始变量的含义那么清楚、确切l主成分分析法只能应用于数据的线性降维

0.0000

0

3

0

关注作者

收藏

shauna570392

决策树参数的理解

class sklearn.tree.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

27.2492

1

1

0

关注作者

收藏

shauna570392

梯度下降怎样避免局部最优

1、假设函数 2、损失函数在收敛过程中可能出现局部最小值的情况，这个时候可以通过改变不同的初始值来找到损失函数最小的值。

27.2492

1

1

0

关注作者

收藏

shauna570392

特征进行标准化是否会自动排除分类型特征

分类型特征不会排除，数据会进行编码，编码后数据的显示形式会有改变，但是数据所保留的信息还是在，编码后可以进行标准化处理。

27.2492

1

3

0

关注作者

收藏

shauna570392

线性回归的拟合问题

一、问题描述对于一个服从线性回归的数据采用多项式线性回归的模型进行拟和，是否能达到更好的拟合效果。二、解答可以拟合，但是效果不一定好，可能会出现过拟合的情况，从而导致模型的泛化能力不好。

27.2492

1

2

0

关注作者

收藏

shauna570392

多项式回归是不是不需要标准化

该模型和标准化没有特别必然的联系，标准化不是必要的，但是可以标准化，标准化后对模型的影响也不太大。

28.2485

2

4

0

关注作者

收藏

詹惠儿

数据不平衡是指标签还是特征？

问：1、数据不平衡一般指的是标签的不平衡还是特征不平衡呢？2、怎么去界定一份数据是否平衡？答：1、机器学习中的数据不平衡是指标签（因变量）比例不平衡2、一般因变量中0/1的比例超过4:1，例如标签为0的数据占90%，标签为1的数据占10%，就说是数据不平衡了，不过这个不是唯一界定值，不同公司的标准都不一样。

66.6667

1

3

0

关注作者

收藏

PGC123

PCA主成分分析原理？

PCA主成分分析原理？答： 1）主成分分析是一种降维的方法 2）思想是将样本从原来的特征空间转化到新的特征空间，并且样本在新特征空间坐标轴上的投影方差尽可能大，这样就能涵盖样本最主要的信息 3）方法： a. 特征归一化 b. 求样本特征的协方差矩阵A c. 求A的特

0.0000

0

3

0

关注作者

收藏

PGC123

数据预处理过程有哪些？

数据预处理过程有哪些？答： 1）缺失值处理：删、插 2）异常值处理 3）特征转换：时间特征sin化表示 4）标准化：最大最小标准化、z标准化等 5）归一化：对于文本或评分特征，不同样本之间可能有整体上的差异，如a文本共20个词，b文本30000个词，b文本中各个维度上的频次都很可能远远高于a文本 6）离散化：o

0.0000

0

3

0

关注作者

收藏

PGC123

怎么做恶意刷单检测？

怎么做恶意刷单检测？答：分类问题用机器学习方法建模解决，我想到的特征有： 1）商家特征：商家历史销量、信用、产品类别、发货快递公司等 2）用户行为特征：用户信用、下单量、转化率、下单路径、浏览店铺行为、支付账号 3）环境特征（主要是避免机器刷单）：地区、ip、手机型号等 4）异常检测：ip地址经常变动、经常清空cookie信息、账号近期交易成

0.0000

0

2

0

关注作者

收藏

PGC123

时间序列分析是什么?

时间序列分析是什么?答：　　时间序列分析可以在频域和时域两个域中完成。在时间序列分析中，可以通过指数平滑，对数线性回归等各种方法分析数据，来预测特定过程输出。

19.6480

1

2

0

关注作者

收藏

PGC123

解释协同过滤是什么?

解释协同过滤是什么?答：　　协同过滤是一种基于用户行为数据创建推荐系统的简单算法。协同过滤最重要的组件是用户对项目的兴趣。　　协同过滤一个很好的例子就是购物网站上出现的类似“为您推荐”的模块，该模块通常会获取用户的浏览记录信息，以弹出用户可能喜欢或需要的商品。

0.0000

0

1

0

关注作者

收藏

PGC123

如何避免过拟合?

如何避免过拟合?答：　　过拟合表现在训练数据上的误差非常小，而在测试数据上误差反而增大。其原因一般是模型过于复杂，过分得去拟合数据的噪声和outliers。常见的解决办法是正则化：增大数据集，正则化

0.0000

0

2

0

关注作者

收藏

PGC123

解释应该如何处理可疑或缺失数据?

解释应该如何处理可疑或缺失数据?答：　　·准备提供所有可疑数据信息的验证报告。它应该提供信息，如失败的验证标准以及发生的日期和时间　　·有经验的数据分析师应该检查可疑数据以确定其可接受性　　·应该找出无效数据并用验证码替换　　·对缺失数据进行处理，使用最佳分析策略，如删除，单一插补方法，基于模型的方法等。

19.6480

1

2

0

关注作者

收藏

PGC123

解释KNN插补方法是什么?

解释KNN插补方法是什么?答：　　在KNN插补中，通过使用与其值缺失的属性最相似的属性值来推断缺少的属性值。通过使用距离函数，确定两个属性的相似度。

0.0000

0

4

0

关注作者

收藏

PGC123

贝叶斯估计的几个不足是什么？

贝叶斯估计的几个不足是什么？答;贝叶斯估计主要有一下两个不足(1)贝叶斯估计以极大似然的方法估计，极大似然的方法要求模型的形式必须准确，如果参数形式不正确，将得到错误得结论，即先验分布将影响后验分布的准确性。而多重插补所依据的是大样本渐近完整的数据的理论，在数据挖掘中的数据量都很大，先验分布将极小的影响结果，所以先验分布的对结果的影响不大。(2)贝叶斯估计仅要求知道未知参数的先验分布，没

0.0000

0

1

0

关注作者

收藏

<1…454647…69>

CDA考试动态

CDA报考指南