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

809669515

什么是KS图表？

KS或Kolmogorov-Smirnov图表测量分类模型的性能。更准确地说，KS是衡量正负分布之间分离程度的指标。如果得分将人口划分为两个单独的组，其中一组包含所有阳性而另一组包含所有阴性，则KS为100。另一方面，如果模型不能区分正面和负面，那么就好像模型从总体中随机选择案例。KS将为0。在大多数分类模型中，KS将介于0和100之间，并且值越高，模型在分离正面和负面情况时越好。例

0.0000

0

1

0

关注作者

收藏

809669515

什么是增益和提升图表

增益或升力是分类模型有效性的度量，其计算为使用和不使用模型获得的结果之间的比率。增益和提升图表是评估分类模型性能的视觉辅助工具。然而，与混淆矩阵相比，评估整个人口增长或升力图表的模型评估一部分人口的模型表现。例：提升图表提升图表显示，与我们联系随机客户样本相比，我们获得积极响应的可能性要大得多。例如，通过基于预测模型仅联系10％的客户，我们将达到3倍的受访者，就像我们不使用任何

0.0000

0

4

0

关注作者

收藏

809669515

什么是混淆模型？

混淆矩阵显示分类模型与数据中的实际结果（目标值）相比所做的正确和不正确预测的数量。矩阵是N×N，其中N是目标值（类）的数量。通常使用矩阵中的数据来评估这些模型的性能。下表显示了两个类（正面和负面）的2x2混淆矩阵。准确性：正确的预测总数的比例。阳性预测值或精确度：正确识别的阳性病例的比例。负面预测值：正确识别的负面案例的比例。敏感度或召回率：正确识别的实际阳性病例的比例。特异性

0.0000

0

3

0

关注作者

收藏

809669515

什么是数据科学？

数据科学（又名数据挖掘）是通过数据分析来解释过去和预测未来。数据科学是一个多学科领域，它结合了统计学，机器学习，人工智能和数据库技术。数据科学应用的价值通常估计非常高。许多企业在多年的运营中存储了大量数据，数据科学能够从这些数据中提取非常有价值的知识。然后，企业可以将提取的知识用于更多客户，更多销售和更高利润。在工程和医疗领域也是如此。a统计Ť他的科学采集，分类，汇总，整理，分析和解

6.8974

1

2

0

关注作者

收藏

809669515

数据准备通常是一个耗时的过程，很容易出错。俗话说“垃圾中垃圾”特别适用于那些收集了许多无效，超出范围和缺失值的数据的数据科学项目。分析未针对此类问题进行仔细筛选的数据可能会产生极具误导性的结果。那么，数据科学项目的成功在很大程度上取决于准备数据的质量。数据数据通常是测量结果（数值）或计数结果（分类）。变量用作数据的占位符。有两种类型的变量，数字和分类。数值或连续可变是一个可以接受

6.8974

1

3

0

关注作者

收藏

809669515

支持向量机 - 分类（SVM）

支持向量机（SVM）通过找到最大化两个类之间的余量的超平面来执行分类。定义超平面的向量（个案）是支持向量。a算法定义最佳超平面：最大化边距针对非线性可分的问题扩展上述定义：对错误分类进行惩罚。将数据映射到高维空间，更容易使用线性决策表面进行分类：重新设计问题，以便将数据隐式映射到此空间。要定义最佳超平面，我们需要最大化边距（w）的宽度。aa我们通过使用二次规划求解以下

0.0000

0

2

0

关注作者

收藏

809669515

多元线性回归

多元线性回归（MLR）是一种用于模拟因变量（目标）与一个或多个自变量（预测变量）之间的线性关系的方法。 MLR基于普通最小二乘法（OLS），该模型拟合使得观察值和预测值的差的平方和最小化。 MLR模型基于若干假设（例如，误差通常以零均值和恒定方差分布）。如果满足假设，则回归估计器在其无偏，有效且一致的意义上是最优的。无偏意味着估计量的期望值等于参数的真值。有效意味着估计量的方差小于任

0.0000

0

4

0

关注作者

收藏

809669515

支持向量机 - 回归（SVR）

支持向量机也可以用作回归方法，保持表征算法的所有主要特征（最大边距）。支持向量回归（SVR）使用与SVM相同的原则进行分类，只有一些细微差别。首先，因为输出是实数，所以很难预测手头的信息，这些信息具有无限的可能性。在回归的情况下，容差裕度（epsilon）被设置为近似于已经从问题请求的SVM。但除此之外，还有一个更复杂的原因，算法更复杂，因此需要考虑。然而，主要思想始终是相同的：为了最大限度地减少

0.0000

0

2

0

关注作者

收藏

809669515

人工神经网络

人工中性网络（ANN）是基于生物神经网络（例如大脑）的系统。大脑有大约1000亿个神经元，通过电化学信号进行通信。神经元通过称为突触的连接点连接。每个神经元接收数千个与其他神经元的连接，不断接收输入信号到达细胞体。如果得到的信号总和超过某个阈值，则通过轴突发送响应。人工神经网络尝试重建生物神经网络的计算镜像，尽管它不具有可比性，因为神经元的数量和复杂性以及生物神经网络中使用的数量和复杂性是人工中

232.9437

1

1

0

关注作者

收藏

809669515

K最近邻是一种简单的算法，其存储所有可用情况并基于相似性度量（例如，距离函数）对新情况进行分类。KNN已经在1970年代初作为非参数技术用于统计估计和模式识别。算法案例通过其邻居的多数票进行分类，案例被分配给由距离函数测量的其K个最近邻居中最常见的类。如果K = 1，则将该情况简单地分配给其最近邻居的类。还应注意，所有三个距离测量仅对连续变量有效。在分类变量的情况下，必须使用

0.0000

0

1

0

关注作者

收藏

809669515

逻辑回归预测结果的概率只能有两个值（即二分法）。预测基于使用一个或多个预测变量（数值和分类）。线性回归不适合预测二元变量的值，原因有两个：线性回归将预测超出可接受范围的值（例如，预测0到1范围之外的概率）由于二分法实验对于每个实验只能具有两个可能值中的一个，因此残差将不会正常地分布在预测线附近。另一方面，逻辑回归产生逻辑曲线，其限制在0和1之间的值。逻辑回归类似于线性回归，但曲线是使用目

0.0000

0

3

0

关注作者

收藏

809669515

线性判别分析

线性判别分析（LDA）是最初由RA Fisher于1936年开发的分类方法。它简单，数学上稳健，并且通常产生的模型的精度与更复杂的方法一样好。算法LDA基于搜索最佳分离两个类（目标）的变量（预测变量）的线性组合的概念。为了捕捉可分性的概念，Fisher定义了以下得分函数。给定得分函数，问题是估计最大化得分的线性系数，其可以通过以下等式求解。评估歧视有效性的一种方

0.0000

0

1

0

关注作者

收藏

809669515

分类型模型——OneR

OneR是“一个规则”的缩写，是一种简单但准确的分类算法，它为数据中的每个预测变量生成一个规则，然后选择总误差最小的规则作为其“一个规则”。为了为预测器创建规则，我们为每个预测器构建一个针对目标的频率表。已经表明，OneR产生的规则仅比现有技术的分类算法稍微不准确，同时产生了易于人类解释的规则。OneR算法对于每个预测变量，对于该预测变量的每个值，按如下方式制定规则;

0.0000

0

1

0

关注作者

收藏

809669515

分类模型——ZeroR

ZeroR是最简单的分类方法，它依赖于目标并忽略所有预测变量。ZeroR分类器只是预测大多数类别（类）。尽管ZeroR中没有可预测性，但将基线性能确定为其他分类方法的基准非常有用。算法构建目标的频率表并选择其最常用的值。示例：“Play Golf = Yes”是以下数据集的ZeroR模型，精度为0.64。预测者的贡献关于预测器对模型的贡献没有什么可说的，因为ZeroR不使用它们

0.0000

0

1

0

关注作者

收藏

809669515

朴素贝叶斯

朴素贝叶斯分类器基于贝叶斯定理，具有预测变量之间的独立假设。朴素贝叶斯模型易于构建，没有复杂的迭代参数估计，这使得它对于非常大的数据集特别有用。尽管朴素贝叶斯分类器简单，但它通常表现出色，并且被广泛使用，因为它通常优于更复杂的分类方法。算法贝叶斯定理提供了计算后验概率，的一种方法P（C ^ | X），从P（Ç），P（X），和P（X | C）。朴素贝叶斯分类器假设预测变量（x）的值对给定类（

0.0000

0

0

0

关注作者

收藏

809669515

交叉分解模块包含两个主要的算法族：偏最小二乘法（PLS）和典型相关分析（CCA）。算法这些家庭都是有用找到两个多元数据集之间的线性关系：在X与Y该论点fit的方法是二维数组。交叉分解算法找到两个矩阵（X和Y）之间的基本关系。它们是对这两个空间中的协方差结构进行建模的潜变量方法。他们将尝试在X空间中找到多维方向，解释Y空间中的最大多维方差方向。当预测变量矩阵的变量多于观测值，并且X值之间存

0.0000

0

1

0

关注作者

收藏

809669515

朴素贝叶斯

朴素贝叶斯方法是一组监督学习算法，基于贝叶斯定理应用给定类变量值的每对特征之间的条件独立性的“天真”假设。在给定类变量y和从属特征向量x1到xn，贝叶斯定理表明了以下关系：使用条件独立假设对于所有i，这种关系被简化为由于P(x1,…,xn)在输入时是常数，我们可以使用以下分类规则：我们可以使用最大后验（MAP）估计来估计 P(y)和P(xi∣y) ; 前者是

0.0000

0

5

0

关注作者

收藏

809669515

非参数监督学习方法——决策树（DT）

决策树（DT）是用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。例如，在下面的示例中，决策树从数据中学习以使用一组if-then-else决策规则来近似正弦曲线。树越深，决策规则越复杂，模型越适合。决策树的一些优点是：易于理解和解释。树木可以看到。需要很少的数据准备。其他技术通常需要数据规范化，需要创建虚拟变量并删除

0.0000

0

4

0

关注作者

收藏

wangjuju123

随机森林优点和注意点

随机森林算法的注意点：1、在构建决策树的过程中是不需要剪枝的。 2、整个森林的树的数量和每棵树的特征需要人为进行设定。 3、构建决策树的时候分裂节点的选择是依据最小基尼系数的。随机森林有很多的优点：a. 在数据集上表现良好，两个随机性的引入，使得随机森林不容易陷入过拟合。b. 在当前的很多数据集上，相对其他算法有着很大的优势，两个随机性的引入，使得随机森林具有很好的抗噪声

0.0000

0

3

0

关注作者

收藏

wangjuju123

bagging方法bootstrap aggregating的缩写，采用的是随机有放回的选择训练数据然后构造分类器，最后组合。这里以随机森林为例进行讲解。随机森林算法概述随机森林算法是上世纪八十年代Breiman等人提出来的，其基本思想就是构造很多棵决策树，形成一个森林，然后用这些决策树共同决策输出类别是什么。随机森林算法及在构建单一决策树的基础上的，同时是单一决策树算法的延伸和改进。在整

0.0000

0

1

0

关注作者

收藏

<1…656667…69>

CDA考试动态

CDA报考指南