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

wo56565

支持向量机

支持向量机（SVM）可能是目前最流行、被讨论地最多的机器学习算法之一。超平面是一条对输入变量空间进行划分的「直线」。支持向量机会选出一个将输入变量空间中的点按类（类 0 或类 1）进行最佳分割的超平面。在二维空间中，你可以把他想象成一条直线，假设所有输入点都可以被这条直线完全地划分开来。SVM 学习算法旨在寻找最终通过超平面得到最佳类别分割的系数。超平面与最近数据点之间的距离叫作间隔（marg

0.0000

0

4

0

关注作者

收藏

wo56565

K 最近邻算法

K 最近邻（KNN）算法是非常简单而有效的。KNN 的模型表示就是整个训练数据集。这很简单吧？对新数据点的预测结果是通过在整个训练集上搜索与该数据点最相似的 K 个实例（近邻）并且总结这 K 个实例的输出变量而得出的。对于回归问题来说，预测结果可能就是输出变量的均值；而对于分类问题来说，预测结果可能是众数（或最常见的）的类的值。关键之处在于如何判定数据实例之间的相似程度。如果你的数据特征尺度相

40.4951

2

2

0

关注作者

收藏

wo56565

什么是朴素贝叶斯？

朴素贝叶斯是一种简单而强大的预测建模算法。该模型由两类可直接从训练数据中计算出来的概率组成：1）数据属于每一类的概率；2）给定每个 x 值，数据从属于每个类的条件概率。一旦这两个概率被计算出来，就可以使用贝叶斯定理，用概率模型对新数据进行预测。当你的数据是实值的时候，通常假设数据符合高斯分布（钟形曲线），这样你就可以很容易地估计这些概率。朴素贝叶斯之所以被称为「朴素」，是因为它假设每个输入变量

0.0000

0

3

0

关注作者

收藏

wo56565

分类和回归树

决策树是一类重要的机器学习预测建模算法。决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。每个节点都代表一个输入变量（x）和一个基于该变量的分叉点（假设该变量是数值型的）。决策树的叶子结点包含一个用于做出预测的输出变量（y）。预测结果是通过在树的各个分叉路径上游走，直到到达一个叶子结点并输出该叶子结点的类别值而得出。决策树的学习速度很快，做出预测的

16.1242

1

3

0

关注作者

收藏

wo56565

线性判别分析到底怎么理解？

Logistic 回归是一种传统的分类算法，它的使用场景仅限于二分类问题。如果你有两个以上的类，那么线性判别分析算法（LDA）是首选的线性分类技术。LDA 的表示方法非常直接。它包含为每个类计算的数据统计属性。对于单个输入变量而言，这些属性包括：每个类的均值。所有类的方差所有类的方差。预测结果是通过计算每个类的判别值、并将类别预测为判别值最大的类而得出的。该技术假设数据符合高斯分布（钟形曲线）

0.0000

0

2

0

关注作者

收藏

wo56565

机器学习中什么是Logistic 回归？

Logistic 回归是机器学习从统计学领域借鉴过来的另一种技术。它是二分类问题的首选方法。像线性回归一样，Logistic 回归的目的也是找到每个输入变量的权重系数值。但不同的是，Logistic 回归的输出预测结果是通过一个叫作「logistic 函数」的非线性函数变换而来的。 logistic 函数的形状看起来像一个大的「S」，它会把任何值转换至 0-1 的区间内。这十分有用

18.2165

1

0

0

关注作者

收藏

wo56565

什么还线性回归？

在统计学和机器学习领域，线性回归可能是最广为人知也最易理解的算法之一。预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。我们将借鉴、重用来自许多其它领域的算法（包括统计学）来实现这些目标。线性回归模型被表示为一个方程式，它为输入变量找到特定的权重（即系数 B），进而描述一条最佳拟合了输入变量（x）和输出变量（y）之间关系的直线。例如： y = B0 B1

0.0000

0

6

0

关注作者

收藏

大帅比1998

怎么压缩Word文件？压缩Word文件方法

平时Word文件接触的次数也不少，在一些内容编辑的地方都会选择到Word文本，毕竟操作、使用起来也比较简单。要知道文件中内容过多，就会导致文件体积的大小也比较大，同样在Word文件中也会存在这样一种情况，如Word文件中添加图片、文字、表格。那怎么解决这些文件体积过大的问题呢？怎么压缩Word格式文件？a避免和其他Word区分开来，可以选择在电脑中新建一个文件，将其需要进行压缩的W

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

什么是异常值？

问、什么是异常值？答：异常值（outlier）指样本中的个别值，其数值明显偏离它（或他们）所属样本的其余观测值,也称异常数据，离群值。比如年龄为-1，笔记本电脑重量为1吨等，都属于异常值的范围。从集合角度来看，异常值即离群点，如下图所示：

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

数据补齐缺失值处理方法有哪些？

问、数据补齐缺失值处理方法有哪些？答、基于统计的方法而言，删除元组法和平均值法差于热卡填充法、期望值最大化方法和多重填充法；回归是比较好的一种方法，但仍比不上热卡填充法和期望值最大化方法；期望值最大化方法缺少多重填补包含的不确定成分；C4.5方法和组合完整化方法也有较好的补齐效果；人工填写和特殊值填充一般不推荐使用。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

问、C4.5方法处理缺失值的优缺点？

问、C4.5方法处理缺失值的优缺点？答：C4.5算法是由Ross Quinlan开发的用于产生决策树的算法。通过寻找属性间的关系来对遗失值填充。它寻找之间具有最大相关性的两个属性，其中没有遗失值的一个称为代理属性，另一个称为原始属性，用代理属性决定原始属性中的遗失值。这种基于规则归纳的方法只能处理基数较小的名词型属性。优点：产生的分类规则易于理解，准确率较高。缺点：在构造树的过程中，需要对

0.0000

0

2

0

关注作者

收藏

wo56565

浅谈决策树

决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。决策树是一种十分常用的分类方法，需要监管学习（有教师的Supervised Learning），监管学习就是给出一堆样本，每个样本都有一组属性和一个分类结果，也就是分类结果已知，那么通过学习这些样本

37.4135

1

0

0

关注作者

收藏

wo56565

为什么要特征标准化 (机器学习)

在说特征标准化之前, 我们先来说说现实生活中, 我们的数据是什么样的. 它们很可能来自不同的地方, 被不同的人采集, 有着不同的规格. 用最经典的房价预测例子来和大家说说. 我们用机器学习从房屋的各个层面来预测房价, 房屋的特征可能包括, 离市中心的距离, 房屋楼层, 房屋面积, 所在城市, 几室几厅等等. 这些数据的取值范围往往差距悬殊, 比如楼层一般在2-30层以内, 面积可能上百, 离市中心

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

误差的来源是什么?

问、误差的来源是什么?答：模型误差 = 偏差（Bias）方差（Variance）数据本身的误差。其中数据本身的误差，可能由于记录过程中的一些不确定性因素等导致，这个我们无法避免，能做的只有不断优化模型参数来权衡偏差和方差，使得模型误差尽可能降到最低。偏差：导致偏差的原因有多种，其中一个就是针对非线性问题使用线性方法求解，当模型欠拟合时，就会出现较大的偏差方差：产生高方差的原因通常是

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

平均值填充缺失值有哪些特点？

问、平均值填充缺失值有哪些特点？答：将初始数据集中的属性分为数值属性和非数值属性来分别进行处理。 •数值型：根据该属性在其他所有对象的取值的平均值来填充该缺失的属性值； •非数值型的：根据统计学中的众数原理，用该属性在其他所有对象的取值次数最多的值(即填充法（出现频率最高的值)来补齐该缺失的属性值。相似的还有一种方法叫条件平均值（ Conditional Mean Completer ）

10.7653

1

1

0

关注作者

收藏

dreamhappy2012

特殊值填充的方法有哪些优缺点？

问、特殊值填充的方法有哪些优缺点？答：将空值作为一种特殊的属性值来处理，它不同于其他的任何属性值。如所有的空值都用“unknown”填充。优点：保留原数据的信息，简单易操作；缺点：可能会导致严重的数据偏离，一般不推荐使用。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

什么是回归填充法？

问、什么是回归填充法？答：基于完整的数据集，建立回归方程。对于包含空值的对象，将已知属性值代入方程来估计未知属性值，以此估计值来进行填充。缺点：由于两个对象建立回归来填充，会让对象之间的相关性变大。可能会影响最终模型的训练。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

什么是组合完整化方法？

问、什么是组合完整化方法？答、用空缺属性值的所有可能的属性取值来试，并从最终属性的约简结果中选择最好的一个作为填补的属性值。一般可用于存在有限个属性的对象。优点：这是以约简为目的的数据补齐方法，能够得到好的约简结果；缺点：当数据量很大或者遗漏的属性值较多时，其计算的代价很大。

7.1701

1

2

0

关注作者

收藏

dreamhappy2012

K最近距离邻法填充缺失值优缺点有哪些？

问、K最近距离邻法填充缺失值优缺点有哪些？答：由K最近邻分类算法（KNN）演化而来，KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，就可以得到该样本的属性。现在更为科学的是将不同距离的邻居对该样本产生的影响给予不同的权值(weight)，如权值与距离成反比。　优点：得到的缺失值较为科学，准确；缺点：当样本不平衡时，会导致新样本

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

热卡填充缺失值应注意什么？

问、热卡填充缺失值应注意什么？答：对于一个包含空值的对象，热卡填充的做法是：在完整数据中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。不同的问题可能会选用不同的标准来对相似进行判定。最常见的是使用相关系数矩阵来确定哪个变量（如变量Y）与缺失值所在变量（如变量X）最相关。然后把所有变量按Y的取值大小进行排序。那么变量X的缺失值就可以用排在缺失值前的那个变量Y的数据来代替了。优点：

5.8444

1

0

0

关注作者

收藏

<1…484950…69>

CDA考试动态

CDA报考指南