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

dreamhappy2012

什么是k近邻算法？

问、什么是k近邻算法？答：k近邻算法简单、直观．给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类．输入：训练数据集其中，为实例的特征向足，为实例的类别， i= 1,2, .. ,N, 实例特征向量x,输出：实例x所属的类y.（1）根据给定的距离度量，在训练集T中找出与x最

0.0000

0

6

0

关注作者

收藏

dreamhappy2012

监督学习介绍：

问、监督学习介绍：答：从给定有限的训练数据出发，假设数据是独立同分布的，而且假设模型属于某个假设空间，应用某一评价准则，从假设空间中选取一个最优的模型，使它对已给训练数据及未知测试数据在给定评价标准意义下有最准确的预测，

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

统计学习常用的损失函数有哪几种？

问、统计学习常用的损失函数有哪几种？答：（1）损失函数 (0-1 loss function) （2）平方损失函数（3）绝对损失函数（4）对数损失函数 (logarithmic loss function) 或对数似然损失函数 (loglikelihood loss function) 失函数值越小，模型就越好由于模型的输入、输出(X,Y)

24.8917

1

3

0

关注作者

收藏

dreamhappy2012

问卷调查法与德尔菲法有什么不同？

问、问卷调查法与德尔菲法有什么不同？答：德尔菲的实施程序　　1、向团队成员发出第一份初始调查表,收集参与者对于某一话题的观点；（注：德尔菲法中的调查表与通常的调查表有所不同,通常的调查表只向被调查者提出问题,要求回答,而德尔菲法的调查表不仅提出问题,还兼有向被调查者提供信息的责任,它是团队成员交流思想的工具.）　　2、向团队成员发出第二份调查表（列有其他人意见）,要求其根据几个具体标准对其

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

测量问卷必须要进行信效度分析吗？

信度和效度分析是问卷分析的第一步，也是检验该问卷是否合格的标准之一，所以，我们在做问卷调查的时候第一步就要进行信度和效度的分析，才能确保我们的问卷有意义。信度即可靠性，是指使用相同指标或测量工具重复测量相同事物时，得到相同结果的一致性程度。一个好的测量工具，其结果应该始终保持不变才可信。效度即有效性，是衡量综合评价体系是否能够准确反映评价目的和要求。是指测量工具能够测出其所要测量的特征的正确性

24.8917

1

2

0

关注作者

收藏

dreamhappy2012

回归分析是分析因果关系吗？

问、回归分析是分析因果关系吗？答：因果关系需要经济理论或经济生活常识，回归分析只能检验前面说的因果关系是否统计显著，不能直接证明因果关系。

0.0000

1

3

0

关注作者

收藏

朝阳Tim

异常值、缺失值处理的常见思路？

问题描述：当我们在处理数据的时候，特别是某个字段的连续变量，如果存在异常值，例如极大值或极小值，会对模型产生较大影响，一般有哪些处理思路呢？又如何处理缺失值？解决思路：对于异常值，可以直接剔除，也可以用平均值填补，极大值、极小值可以采用盖帽法（99%分位点、1%分位点）填充；spss中常用箱线图来观察，划出离群点并进行异常值处理对于缺失值，可以用平均值、众数进行填补，填补依据要结合业

6.0239

1

2

0

关注作者

收藏

朝阳Tim

定距变量和定比变量的区别与联系？

问题描述：当我们在描述定距变量和定比变量的时候，如何理解它们之间的差别呢？解决思路：变量的层次，对应着运算功能，例如分类的可以做“=”、“!=”，顺序的在这基础上还可以做“>”、“

12.8646

2

5

0

关注作者

收藏

朝阳Tim

聚类和分类有什么区别与联系？

问题描述：聚类（clustering）和分类（classification）有什么区别与联系呢？各自的适用场景是什么？思路辨析：聚类是因人设岗，分类是因岗设人，区别就在于有没有分类的标准常见的聚类算法有k-means、系统聚类、二阶聚类等，适合做用户画像常见的分类算法有支持向量机、贝叶斯、决策树、神经网络等等，适合做分类预测

6.0239

1

3

0

关注作者

收藏

朝阳Tim

控制变量和调节变量是一回事吗？

问题描述：在做变量设计的时候，常常遇到控制变量和调节变量概念拎不清的情况，例如人口特征，在研究因自变量关系时候是作为控制变量，还是调节变量呢？思路辨析：两者在数学上是一回事，但是解释角度不同控制变量是指和研究目标无关的信息，为了防止影响因自变量而排出的非研究影响调节变量是确定因果变量的边界条件，是为了证明它对因自变量的干扰而存在而人口特征，如果不是特定研究的问题，一般视作控制变量

0.0000

0

3

0

关注作者

收藏

PGC123

二元变量相关系数是啥？

二元变量的相关分析计算得到的是两个变量之间的相关系数。具体而言，两个定距和定比变量间的相关性用Pearson（皮尔逊）相关系数来判定，这是参数检验的方法；两个定序或定类变量间的相关性用Spearman等级相关系数和Kendall’s tau-b等级相关系数来判定，这两种方法属于非参数检验。Pearson简单相关系数皮尔逊简单相关，也称积差相关。是以英国统计学家皮尔逊的名字命名的计算线性相关的方

0.0000

0

2

0

关注作者

收藏

PGC123

偏度是用来干啥的？

偏度用来刻画偏态的程度。偏态有两种情况：一种是如图所示（左边）的左偏，该变量在负的方向部分严重拖尾；另一种是如图所示（右边）的右偏，在正的方向部分严重拖尾。在实际经济和商业数据分析中，右偏是比较普遍的状态。比如，地区的居民收入、客户购买产品的数量、金额和保险理赔额。a

11.0007

1

2

0

关注作者

收藏

PGC123

缺失数据处理的方法是什么？

缺失数据处理的方法是什么？1）准备提供所有可疑数据信息的验证报告。它应该提供信息，如失败的验证标准以及发生的日期和时间2）检查可疑数据以确定其可接受性3）应该找出无效数据并用验证码替换4）对缺失数据进行处理，使用最佳分析策略，如删除，单一插补方法，基于模型的方法等。

0.0000

0

1

0

关注作者

收藏

PGC123

类别性数据的相关性分析

分类数据是只能归于某一类别的非数字型数据，它是对事物进行分类的结果，数据表现为类别，用文字来表述的。对分类数据的频数检验的方法可以用a检验来表示。公式如下：a根据分类变量的数量可以分为拟合优度检验和独立性检验。拟合优度检验是对一个分类变量的检验，独立性检验是对两个分类变量的检验。通过以上检验，检验数据是否具有相关性。

11.0007

1

5

0

关注作者

收藏

PGC123

数据归一化标准化的优点是什么?

数据归一化标准化的优点是什么?答：将数据变为一个特定范围内的的数值，如映射到[0,1]，方便数据处理和使用；将有量纲表达式，变为无量纲表达式，成为一个纯量；可以提升模型的迭代速度；可以提升模型的精度，比如在计算欧式距离时，x维度的取值范围远远大于y维度时，容易造成精度的损失。因此，为了提高结果的准确性和可靠性，需要对原始指标数据进行归一化/标准化处理。

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

什么是假设检验中的显著性水平？统计显著是什么意思？

问、什么是假设检验中的显著性水平？统计显著是什么意思？答：显著性水平是指当原假设正确时却被拒绝的概率和风险，统计限制等价拒绝𝐻0，指求出的值落在小概率的区间上，一般是落在 0.05 或比 0.05 更小的显著性水平上。

68.1073

1

2

0

关注作者

收藏

dreamhappy2012

计算𝜒2分统计量的步骤是什么？

问、计算𝜒2分统计量的步骤是什么？若用𝑓0表示观察值频数，用𝑓𝑒表示期望值频数，𝜒2统计量可表示为𝜒2 = ∑(𝑓0 − 𝑓𝑒)2/𝑓0步骤一：计算𝑓0 − 𝑓𝑒步骤二：计算(𝑓0 − 𝑓𝑒)2步骤三：计算(𝑓0 − 𝑓𝑒)2/𝑓0步骤四：计算𝜒2 = ∑(𝑓0 − 𝑓𝑒)2/𝑓0

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

列联表的构造与列联表的分布是怎么样的？

问、列联表的构造与列联表的分布是怎么样的？构造：列联表是由连个以上的变量进行交叉分类的频数分布表。分布：列联表的分布可以从两个方面看：一个是观察值的分布，一个是期望值的分布。观察值：条件频数、行边缘频数、列边缘频数、百分比。期望值分布：根据比例求出的各个变量的期望值，一般情况下，任何一个单元中频数的期望值：其中，𝑅𝑇为给定单元格所在行的合计，𝐶𝑇为给定单元格所在列的合计，

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

在单侧检验中原假设和备择假设的方向应该如何确定？

问、在单侧检验中原假设和备择假设的方向应该如何确定？答：将研究者想要收集证据予以支持的假设作为备择假设𝐻1，将研究者想要收集证据证明其不正确的假设作为原假设𝐻0。先确立备择假设𝐻1，备择假设方向与想要证明其正确性的方向一致。原假设与备择假设是互斥的，等号总在原假设上。

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

显著性水平与 P值有何区别？

问、显著性水平与 P值有何区别？答：显著性水平是原假设为真时，拒绝原假设的概率，是一个概率值，被称为抽样分布的拒绝域，大小由研究者事先确定；而 P值是原假设为真时所得到的样本观察结果或更极端结果出现的概率，被称为观察到的显著性水平。

0.0000

0

5

0

关注作者

收藏

<1…363738…55>

CDA考试动态

CDA报考指南