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

LXM21

随机数和随机数种子

随机数就是就随机数种子中取出的数。随机数种子就是个序号，这个序号交给一个数列管理器，通过这个序号，你从管理器中取出一个数列，这个数列就是你通过那个序号得到的随机数。但这个随机数并不真正随机。因为它是通过某个算法的得到。也就是说你给数列管理器同一个序号将得到同样一个“随机”数列。 random.seed（0），其中的0是对应的随机数的种子，第二个 random.seed(0)后面的随机数与

16.6021

3

0

0

关注作者

收藏

LXM21

KD树建树过程

建KD树的流程：比如我们有二维样本6个，{(2,3)，(5,4)，(9,6)，(4,7)，(8,1)，(7,2)}，构建kd树的具体步骤为：找到划分的特征。6个数据点在x，y维度上的数据方差分别为6.97，5.37，所以在x轴上方差更大，用第1维特征建树。确定划分点（7,2）。根据x维上的值将数据排序，6个数据的中值(所谓中值，即中间大小的值)为7，所以划分点的数据是（7,2）。这

16.7401

3

4

0

关注作者

收藏

shauna570392

silhouette_score和 silhouette_samples这两个包分别表示什么呢？

sklearn.metrics.silhouette_score，该方法是计算所有样本的平均值，另一个方法 silhouette_samples 会返回所有样本的轮廓系数X：二维样本，通常为[n_samples, n_features]，当 metric 设置为”precomputed”时，应为[n_samples, n_samples]方阵labels：一维矩阵，每个样本所属簇的

14.1841

2

2

0

关注作者

收藏

陈革007

机器学习: KNN 预测范围注意点

KNN 不能做超出训练集范围(0-70)的预测, 否则就是一条直线, 如下:

25.3481

7

3

0

关注作者

收藏

读童话的狼

最小二乘法和梯度下降法有什么区别？

相同1.本质相同：两种方法都是在给定已知数据的前提下对因变量算出出一个一般性的估值函数。然后对给定新数据的因变量进行估算。2.目标相同：都是在已知数据的框架内，使得估算值与实际值的总平方差尽量更小（事实上未必一定要使用平方），估算值与实际值的总平方差的公式为：其中为第i组数据的自变量，yi为第i组数据的dependent variable，β为系数向量。不同1.实现方法和

0.0387

1

2

0

关注作者

收藏

陈革007

KNN的优缺点

优点1、思想简单，能做分类和回归2、惰性学习，无需训练（蛮力法），KD树的话，则需要建树3、对异常点不敏感缺点1、计算量大、速度慢2、样本不平衡的时候，对稀有类别的预测准确率低3、 KD树，球树之类的模型建立需要大量的内存4、相比决策树模型，KNN模型可解释性不强

25.0618

5

2

0

关注作者

收藏

陈革007

如何选择knn模型中的k？k值大小和模型欠拟合和过拟合如何对应？

（1）如果选择较小的K值，就相当于用较小的领域中的训练实例进行预测，“学习”近似误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，与此同时带来的问题是“学习”的估计误差会增大，换句话说，K值的减小就意味着整体模型变得复杂，容易发生过拟合；（2）如果选择较大的K值，就相当于用较大领域中的训练实例进行预测，其优点是可以减少学习的估计误差，但缺点是学习的近似误差会增大。这时候，与输入

25.0231

4

1

0

关注作者

收藏

陈革007

在模型评估过程中，过拟合和欠拟合具体是指什么现象？常用的过拟合解决方法有哪些？

过拟合：模型在训练集上的评估指标表现很好，但在测试集和新数据上的表现很差欠拟合：模型在训练和预测评估指标都不好过拟合解决方法：（1）增大数据集（2）减少数据特征（降维，特征选择）（3）正则化（L1和L2）（4）降低模型复杂度（如对决策树剪枝等）（5）交叉验证（6）集成学习方法

25.0231

4

3

0

关注作者

收藏

PhilipLiang

机器学习第一天作业知识点整理

欠拟合是指模型拟合程度不高，数据距离拟合曲线较远，或指模型没有很好地捕捉到数据特征，不能够很好地拟合数据。对于训练好的模型，若在训练集表现差，在测试集表现同样会很差。一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。过拟合是指为了得到一致假设而使假设变得过度严格。过拟合解决方法：增大数据集合，使用更多数据

25.1336

4

3

0

关注作者

收藏

LXM21

混淆矩阵是用来评估模型么？可以处理不平衡数据么?

混淆矩阵是评估分类模型的一种评估方法，能够很好地概述模型的运行情况，是任何分类模型评估的一个很好的起点。可以通过混淆矩阵的准确率、精度、召回率等指标进行分析：对于一个给定类，精度和召回率的不同组合如下：高精度高召回率：模型能够很好地检测该类;高精度低召回率：模型不能很好地检测该类，但是在它检测到这个类时，判断结果是高度可信的;低精度高召回率：模型能够很好地检测该类，但检测结果中

27.6664

7

1

0

关注作者

收藏

LXM21

Counter.most_common()方法

找出序列中出现次数最多的元素,n表示前n个出现次数最多的元素例如：

27.6277

6

1

0

关注作者

收藏

LXM21

混淆矩阵中的TP和FN什么区别?

注意：第一个字母（行标首字母）是根据真实情况判断预测结果是否正确（正确：T、错误：F）第二个字母（列标首字母）是机器学习算法或模型预测的结果（正例：P、反例：N)即：正确地预测为正例：TP正确地预测为反例：TN错误地预测为正例：FP错误地预测为反例：FN

27.5821

6

2

0

关注作者

收藏

LXM21

泛化能力是什么意思？

泛化能力是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。机器学习的目标很少是去复制训练数据，而是预测新情况。也就是说，我们希望对于训练集之外的输入（其正确的输出并没有在训练集中给出）能够产生正确的输出。训练集上训练的模型在多大程度上能够对新的实例预测出正确输出称为泛化。

2.7434

4

2

0

关注作者

收藏

LXM21

分类和聚类的区别

分类从机器学习的观点，分类技术是一种有指导的学习，即每个训练样本的数据对象已经有类标识，通过学习可以形成表达数据对象与类标识间对应的知识。从这个意义上说，数据挖掘的目标就是根据样本数据形成的类知识并对源数据进行分类，进而也可以预测未来数据的归类。例如：聚类与分类技术不同，在机器学习中，聚类是一种无指导学习。也就是说，聚类是在预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类

26.8414

5

0

0

关注作者

收藏

ermutuxia

频繁闭项集的问题，有一道题目答案和我想的不一样

下面这个题目的频繁闭项集的计算为什么和我想的不一样？问：老师，这个题目为什么是AD啊？a我觉得是ABCD都是啊答：A B C D的支持度都大于等于0.4，说明这几项都是频繁项集。然后看选项B,ad的支持度是40%，ad的超集acd的支持度也是40%，所以从频繁闭项集定义的第二个条件来看，B选项不是频繁闭项集。C选项和B选项是一样的道理。所以BC都不是频繁闭项集。下面给出各种项集

0.0448

2

1

0

关注作者

收藏

慢慢爬的Rui

K-NN 基本知识

类别基本分类与回归方法核心思想一个样本在特征空间中的k个最相邻的样本大多属于一个类别工作原理计算距离欧氏距离曼哈顿距离马氏距离夹角余弦: 用两个向量的夹角余弦值衡量两个样本差异大小,余弦值越趋向于1, 说明两个向量夹角趋向于0k-近邻算法步骤计算已知类别数据中点与当前点之间距离按照距离递增次序排序

24.8306

2

3

0

关注作者

收藏

赵娜0418

机器学习中软间隔和硬间隔

硬间隔：非常强硬非常严格的条件，最后的超平面和间隔边界必须以下2个条件1. 不允许出现误分类点2. 间隔边界内，不能有任何样本点，就算是被正确分类也不可以软间隔，条件放宽一下,在间隔边界内1.允许出现一些样本点2. 甚至允许出现误分类点软间隔下，如果C这个惩罚设置的非常大的话，说明出现带有松弛样本点的代价非常大，所以这个情况下条件会变得非常苛刻，很接近硬间隔，间隔边界之间的距离非

0.7101

6

3

0

关注作者

收藏

赵娜0418

机器学习中几种库的介绍

一、Scikit-learn 经典的ML算法Scikit-learn 是最流行的ML 库之一，他支持很多监督学习和非监督学习算法。例如：线性回归，逻辑回归，决策树，聚类，k-means等。他基于两个python库：Numpy 和 Scipy 。他为常见的机器学习和数据挖掘提供了一组算法：聚类，回归和分类。甚至像数据转换，特征选择，集成学习这样的任务也可与通过简短几行代码实现。对于机器学习的

0.7131

5

1

0

关注作者

收藏

赵娜0418

什么是感知机算法？

感知机(preceptron)是线性分类的二分类模型，输入为实例的特征向量，输出为实例的类别，分别用 1 和 -1 表示。感知机将输入空间(特征空间)中的实例划分为正负两类分离的超平面，旨在求出将训练集进行线性划分的超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得最优解。感知机是神经网络和支持向量机的基础。感知机的函数公式为：a其中， w和 b 为感知机模型

0.8454

6

3

0

关注作者

收藏

赵娜0418

机器学习中数据预处理之独热编码

在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的。而常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。使用独热编码（One-Hot Encoding），将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用独热编码（One-Hot Encoding），会让特征之间的距离计算更加合理。独

20.3163

3

0

0

关注作者

收藏

<1…789…69>

CDA考试动态

CDA报考指南