统计学-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

shauna570392

R方公式中分母代表全部信息量还是分子代表全部信息量？

这个式子式用1减去y对回归方程的方差（未解释离差）与y的总方差的比值，y减去y尖也就是残差，是拟合方程中不能解释的部分，用1减去不能解释的部分，那么剩下的就是解释的部分，也就是说自变量解释了因变量变动的百分比的多少，那么r方的值肯定是越大越好，意味着该模型把y的变动解释得好，R方的范围是0到1。分母方差代表全部信息量，方差越大，代表数据上的信息量越多。

0.9994

1

3

0

关注作者

收藏

PGC123

如何判断一组数据是否服从正态分布？

如何判断一组数据是否服从正态分布？答：1当样本数N2000，Kolmogorov-Smirnov的D统计量检验正态性。把样本分布的形状和正态分布想比较，得出一个数值p，如果p小于0.05（给定显著性水平）认为数据不是来自正态分布。反之结论相反。2 观察正态概率图，如果来自正态分布，图形应该呈现一条直线。3 绘制数据条形图

40.0000

1

3

0

关注作者

收藏

PGC123

降维方法？

降维方法？答：缺失值比率 (Missing Values Ratio)该方法的是基于包含太多缺失值的数据列包含有用信息的可能性较少。因此，可以将数据列缺失值大于某个阈值的列去掉。阈值越高，降维方法更为积极，即降维越少。低方差滤波 (Low Variance Filter)与上个方法相似，该方法假设数据列变化非常小的列包含的信息量少。因此，所有的数据列方差小的列被移除。需要注意的一点是：方

0.0000

0

3

0

关注作者

收藏

PGC123

线性回归的因素如果有相关关系，会对模型有什么影响？

线性回归的因素如果有相关关系，会对模型有什么影响？答：多重共线性指自变量问存在线性相关关系，即一个自变量可以用其他一个或几个自变量的线性表达式进行表示。若存在多重共线性，计算自变量的偏回归系数β时，矩阵不可逆，导致β存在无穷多个解或无解。解决办法：(1)逐步回归：使用逐步回归可以在一定程度上筛选存在多重共线性的自变量组合中对反应变量变异解释较大的变量，而将解释较小的变量排除在模型之外。但这

0.0000

0

3

0

关注作者

收藏

PGC123

如何理解线性回归？

如何理解线性回归？答：线性回归可以这么理解，线性回归是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法线性回归有很多实际用途。分为以下两大类：如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。这是比方差分析进一步的作用，就是根据现在

0.0000

0

3

0

关注作者

收藏

PGC123

聚类算法有哪些？特点是什么？

聚类算法有哪些？特点是什么？答：常见的聚类算法有 K-means聚类算法、层次聚类算法、SOM聚类算法、FCM聚类算法。四种聚类算法中，在运行时间及准确度方面综合考虑，k-means和FCM相对优于其他。但是，各个算法还是存在固定缺点：k-means聚类算法的初始点选择不稳定，是随机选取的，这就引起聚类结果的不稳定，本实验中虽是经过多次实验取的平均值，但是具体初始点的选择方法还需进一步研

0.0000

0

0

0

关注作者

收藏

PGC123

订单量下降什么因素影响？

订单量下降会有什么因素影响？答：这种问题需要基于对业务的理解。内部原因：经营问题，设计问题；外部原因：天气原因，整个大环境影响，其他竞争对手采取行动等

0.0000

0

4

0

关注作者

收藏

PGC123

如何判断一个模型的好坏？

如何判断一个模型的好坏？答：一个模型的好坏主要从如下方面判断：1。是否具备清晰的概念、足够的准确性2。计算效率与表现形式3。可移植性（推广应用价值）4。易用性

0.0000

0

6

0

关注作者

收藏

PGC123

老师面试题看看怎么做，题一

老师面试题看看怎么做，题一一个统计总体（）A、只能有一个标志 B、只能有一个指标、C、可以有多个标志 D、可以有多个指标答：选D因为一个总体是可以有多个指标的，比如方差，均值等。

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

k-均值聚类原理？

问、k-均值聚类原理？答：1）第一步，指定聚类数 k 值，确定聚类数的最重要的依据为组（类）内成员的商业意义；2）第二步，确定 k 个初始类中心类中心是类特征的典型代表，一般来说初始类中心可以根据经验和随机两种方式确定。 3）第三步，根据距离最近原则聚类依次计算每个样本点到 k 个中心的距离，根据最近原则，将样本点分别分配到 k 个类中；4）第四步，重新确定 k 个类中心计算

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

k-均值聚类的定义

问、k-均值聚类的定义：答：定义距离：相似性度量和非相似性度量，一般相似性度量使用相关系数、jaccard 等指标；非相似性使用欧式距离（Euclidean distance）、平方欧式距离、切比雪夫（Chebychev）距离、卡方、方差等指标。其中最长使用欧氏距离，其定义为：

23.7978

1

3

0

关注作者

收藏

dreamhappy2012

几个相关系数的区别

问、几个相关系数的区别答：皮尔逊相关系数：一般用来计算两个连续型变量的相关系数。肯德尔相关系数：一个连续一个分类（最好是定序变量）斯皮尔曼相关系数：2个变量无论连续还是分类都可以，但斯皮尔曼是非参数的，会损失信息，尽量不用

0.0000

0

6

0

关注作者

收藏

dreamhappy2012

协方差的定义?

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

最小二乘回归直线

问、最小二乘回归直线答：最小二乘直线一定存在可能不唯一

23.1844

1

1

0

关注作者

收藏

dreamhappy2012

最小二乘法的解释？

问、最小二乘法的解释？答：思想：总的误差平方和达到最小误差的表达式：总的误差平方和：最小化S，得到𝛽0、𝛽1 的估值称为𝛽0、𝛽1 的最小二乘估计

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

最常用的参数估计方法？

问、最常用的参数估计方法？答：使用已有的数据集，估计出参数𝛽0 和𝛽1 。找到一条能最好地拟合（自变量，因变量）散点图中的点的直线常用方法：最小二乘法

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

拟合方法有哪些？

问、拟合方法有哪些？答：使用数据估计模型参数时所使用的方法：1) 最大似然估计法 • 常用方法，但有争议2) 最小二乘法 • 常用方法 • 数据需满足一定假设条件

23.1844

1

3

0

关注作者

收藏

dreamhappy2012

高斯马尔科夫假定

问、高斯马尔科夫假定答：1. 线性于参数2. 随机抽样3. 不存在完全共线性 4. 误差的条件均值为零5. 误差的同方差性6. 误差的正态性

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

缺失值处理

问题描述：缺失值处理的方法有哪些？解决方法：缺失值处理通常有如下几种方式：以特定值填充，有些NAN值具有特殊意义使用该特征的均值或中位数进行填充，适用于数值型特征使用该特征的众数进行填充，适用于分类型或离散型特征参考同类特征进行填充，如Houseprice中可以参考同处一个Neighborhood的特征的数值分布进行缺失值填充直接删除，适用于缺失值过多，且该特征方差过小的情况

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

什么是离中趋势？

问、什么是离中趋势？答：1.数据分布的另一个重要特征2.反映各变量值远离其中心值的程度(离散程度)3.从另一个侧面说明了集中趋势测度值的代表程度4.不同类型的数据有不同的离散程度测度值

0.0000

0

5

0

关注作者

收藏

<1…333435…55>

CDA考试动态

CDA报考指南