热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
小朱520
机器学习中聚类中kmeans关于k值（分为几个簇）的代码展示（肘部优化法则）
这里的sse代表的是每个质心与本簇其他样本的距离，一般最优的效果是哪个拐点k=4
37.5657
4
0
关注作者
收藏
姚慧扬
决策树是什么
决策树(decision tree)是一种基本的分类与回归方法;监督学习完备性:任何来一个样本点,都能落到某一片叶子上互斥性:不会同时落在两片叶子上,只能落在一片叶子上①使用决策树做预测的每一步骤都很重要，数据收集不到位，将会导致没有足够的特征让我们构建错误率低的决策树②数据特征充足，但是不知道用哪些特征好， 将会导致无法构建出分类效果好的决策树模型。从算法方面看，决策树的构建是我们的核心内容决策
22.5918
4
0
关注作者
收藏
小朱520
python关于knn的分类报告各个数值的解释
precision为精准率 recall为召回率 f1-score为调和参数 support为样本总数 其中1/p+1/r=2/f accuracy 为正确率 macro avg 宏平均 = 3类样本precision的均值=（1+1+1）/3weighted avg 加权平均=3类样本的每个precision乘以每类的support除以总样本support45(1*
22.5540
0
0
关注作者
收藏
姚慧扬
聚类与分类的区别
分类：监督学习， 有限类别中的某一类聚类：无监督学习， 不依赖预先定义的类或带类标记的训练实例， 需要由聚类学习算法自动确定标记。 聚类是一种探索性的分析， 聚类分析所使用方法的不同， 常常会得到不同的结论。 不同研究者对于同一组数据进行聚类分析， 所得到的聚类数未必一致
22.5651
2
0
关注作者
收藏
姚慧扬
机器学习入门
什么是机器学习?专门研究计算机怎样模拟人类的学习行为,用获取到的新知识重新组织已有的知识结构,不断改善自身的性能机器学习的分类:监督学习（supervised learning）无监督学习（unsupervised learning ）半监督学习（semi-supervised learning ）强化学习（reinforcement learning， 增强学习)监督学习:训练模型时有样本对应的
34.9290
5
0
关注作者
收藏
zjjwf
Bagging（装袋法）和 Boosting（提升法）的比较
Bagging VS Boosting1. 1. 样本选择上Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间是独⽴的。Boosting：每⼀轮的训练集不变，只是训练集中每个样例在分类器中的权重发⽣变化，⽽权值是根据上⼀轮的分类结果进⾏调整。2. 样例权重Bagging：使⽤均匀取样，每个样例的权重相等。Boosting：根据错误率不断调整样例的权重，错误率越⼤则权重越
45.6462
2
0
关注作者
收藏
zjjwf
随机森林算法的优缺点比较
随机森林有许多优点：1.准确率极高2.能够有效地在大数据集上运行3.引入了随机性，不容易过拟合4. 随机森林有很好的抗噪声能力，但是在在数据噪音比较大的情况下会过拟合。5.能处理很高维度的数据，而且不用降维6. 不仅能处理离散型数据，还能处理连续型数据，而且不需要将数据集规范化7.训练速度快，能够得到变量重要性排序8.容易实现并行化9.即使对于缺省值问题也能够获得很好得结果10.超参数的数量不是很
45.5756
0
0
关注作者
收藏
赵娜0418
训练集和测试集应该如何使用？
一、为什么要分开训练集与测试集在机器学习中，我们是依靠对学习器的泛化误差进行评估的方法来选择学习器。具体方法如下：我们需要从训练集数据中产出学习器，再用测试集来测试所得学习器对新样本的判别能力，以测试集上的测试误差作为泛化误差的近似，来选取学习器。通常我们假设训练集、测试集都是从样本集中独立同分布采样得到，且测试集、训练集中的样本应该尽可能互斥（测试集中的样本尽量不在训练集中有出现、尽量不在训练过
1.6141
2
0
关注作者
收藏
shauna570392
分类和聚类有什么区别？
分类简单来说，就是根据文本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。而聚类的理解更简单，就是你压根不知道数据会分为几类，通过聚类分析将数据或者说用户聚合成几个群体，那就是聚类了。聚类不需要对数据进行训练和学习。分类属于监督学习，聚类属于无监督学习。常见的分类比如决策树分类算法、贝叶斯分类算法等聚
39.8932
1
0
关注作者
收藏
shauna570392
推荐算法的相似度计算
余弦相似度 这个基本上是最常用的，最初用在计算文本相似度效果很好，一般像tf-idf一下然后计算，推荐中在协同过滤以及很多算法中都比其他相似度效果理想。 由于余弦相似度表示方向上的差异，对距离不敏感，所以有时候也关心距离上的差异会先对每个值都减去一个均值，这样称为调整余弦相似度欧式距离基本上就是两个点的空间距离，下面这个图就能很明显的说明他和余弦相似度区别，欧式距离更多考虑的是空间中两条直线的距
1.0996
1
0
关注作者
收藏
shauna570392
推荐算法的相似度计算
余弦相似度 这个基本上是最常用的，最初用在计算文本相似度效果很好，一般像tf-idf一下然后计算，推荐中在协同过滤以及很多算法中都比其他相似度效果理想。 由于余弦相似度表示方向上的差异，对距离不敏感，所以有时候也关心距离上的差异会先对每个值都减去一个均值，这样称为调整余弦相似度欧式距离基本上就是两个点的空间距离，下面这个图就能很明显的说明他和余弦相似度区别，欧式距离更多考虑的是空间中两条直线的距
39.8295
2
0
关注作者
收藏
zjjwf
贝叶斯算法的优缺点
优点：1、对待预测样本进行预测，过程简单速度快(想想邮件分类的问题，预测就是分词后进行概率乘积，在log域直接做加法更快)。2、对于多分类问题也同样很有效，复杂度也不会有大程度上升。3、在分布独立这个假设成立的情况下，贝叶斯分类器效果奇好，会略胜于逻辑回归，同时我们需要的样本量也更少一点。4、对于类别类的输入特征变量，效果非常好。对于数值型变量特征，我们是默认它符合正态分布的。 缺点：1
28.2525
4
0
关注作者
收藏
赵娜0418
特征缩放有几种类型？
特征缩放过程可以分为以下几种：缩放到均值为0，方差为1（Standardization——StandardScaler()）缩放到0和1之间（Standardization——MinMaxScaler()）缩放到-1和1之间（Standardization——MaxAbsScaler()）缩放到0和1之间，保留原始数据的分布（Normalization——Normalizer()）1就是常说的z-
29.2591
7
0
关注作者
收藏
shauna570392
逻辑回归解决多分类问题
逻辑回归是使用回归的方式来解决分类问题。之前说过，逻辑回归只能解决二分类问题，为了解决多分类问题，可以使用OVR和OVO方法OVR(One Vs Rest)某个分类算法有N类，将某一类和剩余的类比较作为二分类问题，N个类别进行N次分类，得到N个二分类模型，给定一个新的样本点，求出每种二分类对应的概率，概率最高的一类作为新样本的预测结果。OVO(One Vs One)某个分类算法有N类，将某一类和另
28.3806
2
0
关注作者
收藏
zjjwf
k-NN 模型评价
1.应用广泛2.计算效率低，耗费计算资源较大3.抗噪性较弱，对噪声数据（异常值）较为敏感4.模型不稳定，可重复性较弱5.需要进行归一化处理
24.9122
2
0
关注作者
收藏
shauna570392
feature_importance也是一个方法吗
是决策树函数的一个属性决策树的feature_importances_属性，返回的重要性是按照决策树种被用来分割后带来的增益(gain)总和进行返回。由这个可以看出各个特征的重要性是多少，从而挑选变量
41.2241
3
0
关注作者
收藏
shauna570392
ID3，C4.5和CART算法中哪个最常用？
通常就使用CART算法就可以了如果数据维度很大，噪声很大时使用CART算法如果维度低，数据比较清晰的时候，两个没太大区别当决策树的拟合程度不够的时候，使用ID3和C4.5算法可以根据时间情况看看不同算法的效果决定
41.2241
3
0
关注作者
收藏
shauna570392
决策树参数以及用于不纯度计算的不同参数的含义
criterion是用来计算不纯度，通常选择gini，即CART算法，如果选择entropy，则代表ID3和C4,.5算法
0.2279
1
0
关注作者
收藏
cxm272965
什么是过拟合?如何避免过拟合问题？
过拟合:所选模型的复杂度比真模型更高;学习时选择的模型所包含的参数过多,对已经数据预测得很好,但是对未知数据预测得很差的现象.过拟合一般特点:高方差,低偏差;导致过拟合原因:训练数据不够,模型进行过度训练（overtraining）等如何避免过拟合:1) Early stopping （适当的stopping criterion）: Early stopping便是一种迭代次数截断的方法来防止过拟
19.8803
5
0
关注作者
收藏
cxm272965
Kmeans算法的优缺点
K-means算法的优点是：首先，算法能根据较少的已知聚类样本的类别对树进行剪枝确定部分样本的分类；其次，为克服少量样本聚类的不准确性，该算法本身具有优化迭代功能，在已经求得的聚类上再次进行迭代修正剪枝确定部分样本的聚类，优化了初始监督学习样本分类不合理的地方；第三，由于只是针对部分小样本可以降低总的聚类时间复杂度。K-means算法的缺点是：首先，在 K-means 算法中 K 是事先给定的，这
19.9738
3
0
关注作者
收藏
<1…456…69>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1