Python -数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

提问：decisiontreeclassifie报错

------更新sklearn版本：pip install upgrade scikit-learn

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：n_estimators份采样集怎么做？

需要做n_estimators份采样集, 可以尝试使用dataframe的形式帮助做(效率低)# 首先将训练集的特征和标签拼在一起，因为做采样的时候，样本的特征和标签都同时来做采样train = pd.DataFrame(Xtrain)train['label'] = Ytraindata_train_ = []for i in range(n_estimators): # 每次循环的过程中

36.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：sklearn怎么填充缺失的数据

# 使用SimpleImputerfrom sklearn.impute import SimpleImputer# 使用中位数填补Agenum = ['Age']data_num = data.loc[:, num]SI_num = SimpleImputer(strategy = 'median')SI_num = SI_num.fit(data_num)data.loc[:, num] =

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：sklearn里包的分类

# sklearn里分两种包# 1. 机器学习模型包，这些包fit学习的是数据集特征和标签之间规律可以使用这个规律来预测标签，predict, score# 2. 数据处理的包，这个包的目标是处理，清洗，转化数据（transform）# 3. 不管是哪一种包，输入必须是二维数组，输出是array

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

随机森林的效果为什么要比单个树模型效果好

随机森林的效果为什么要比单个树模型效果好1. 森林这个角度上，体现n_estimator，从概率公式上来看，使用一片树模型来进行最终标签的判断，可以很有效的降低误差率2. 随机的角度上看，体现random_state，对数据集做随机的采样，以及模型构建的过程中的随机的特征筛选，都可以保证训练来的模型的多样性，从而减少噪音点对整体的影响，提高模型的泛化能力。

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：老师，这个参数的作用是什么

min_samples_leaf:int, float, optional (default=1) 整数或者浮点数，默认为1。它指定了每个叶子节点包含的最少样本数。如果为浮点数(0到1之间)，每个叶子节点包含的最少样本数为ceil(min_samples_leaf * n_samples)

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：bagging不是就之前学的交叉验证吗，我好混乱，这两个到底是什么

bagging和交叉验证之间的区别。交叉验证:1. 尝试对数据集进去切分，从而探索模型在一个固定的复杂度下未知数据集上的综合能力2. 最终的模型是评估模型。bagging：1. 使用了交叉验证的思想来训练模型的，来探索特征和标签之间的规律。2. 最终的目标是训练出集成模型。

55.1551

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：Python怎么直接跟数据库连接啊

提前在annaconda promt安装pymysql： pip install pymysql -i https://pypi.tuna.tsinghua.edu.cn/simple(https://pypi.tuna.tsinghua.edu.cn/simple) 导入：import pymysql连接mysql数据库：con = pymysql.connect(host="localhost

180.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

写代码的技巧-利用 Tab 自动补全

给你介绍一位终端里的新朋友：Tab 键。对于某个参数，你可以先输入参数关键词前几个字母，然后按两下 Tab 键。如果只有一种备选的话，计算机会自动补全文件名。如果有多种备选，计算机会发出警告音，并返回一系列备选。在输入又长又奇怪的文件夹或文件名时，这种方法极为有用。试试这个。切换到 home 目录（在基于 Unix 的系统是 cd ~/，在 Windows 上是cd %cd

180.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

压缩思维笔记：Apriori算法的原理

Apriori算法是第一个关联规则挖掘算法，也是最经典的算法，其思路是：找频繁项集：1、如果一个项集是频繁的，那么他的所有子集也是频繁的2、如果一个项集是非频繁的，他们他的所有超集也是非频繁的生成规则：1、如果某条规则不满足最小置信度的要求，那么任何以这个规则前件的子集作为前件，其他作为后件的规则肯定不满足最小置信度的要求2、如果某条规则满足最小置信度的要求，那么任何以这个规则的

42.3529

1

0

0

关注作者

收藏

啊啊啊啊啊吖

压缩思路笔记：关联规则怎么生成的

关联规则生成：1、生成频繁项集1）连接步：考虑两个连接条件2）剪枝步：利用AP原理剪枝；计算支持度剪枝2、生成规则1）生成候选规则2）剪枝：利用AP原理剪枝；计算置信度剪枝

42.3529

1

0

0

关注作者

收藏

啊啊啊啊啊吖

压缩笔记：基于用户的协同过滤的思路

1、找相似的用户（基于用户对物品的评分）2、推荐：相似的用户用过，目标用户没有用过的物品

42.3529

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：jieba库怎么安装

------Python第三方库的安装，通用的可在运行命令输入pip语句，如这里pipi install jieba，当然也可使用conda语句，该贴是Python库安装的一个很好总结：https://www.cda.cn/discuss/post/details/5fb4a97b80b19c5d5069f821

42.3529

1

1

0

关注作者

收藏

啊啊啊啊啊吖

压缩笔记：线性回归的分类

线性回归分类：1、标准的线性回归2、欠拟合的处理：更好的特征；更多的特征；更复杂的模型3、过拟合的处理：岭回归lasso回归：常用来做特征选择弹性网

42.3529

1

0

0

关注作者

收藏

啊啊啊啊啊吖

压缩笔记：贝叶斯的三种模型

贝叶斯三种模型：多项式模型：特征离散伯努利模型：特征离散，二值化高斯模型：特征连续，假设服从高斯分布

42.3529

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：老师，想问一下，一般这种文本分类公司公用来干嘛

-----邮件分类，如 Foxmail的垃圾邮件过滤功能，就是使用贝叶斯评论过滤，视频网站的弹幕，评论过滤删除文本分析--处理非结构化数据（数量非常多）如电商评论反馈来得知该产品的评论感情色彩

240.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：老师能总结回顾一下文本向量化怎么处理吗

文本向量化（文本特征提取）离散化表示方法：词与词之间独立1、词向量模型：只考虑是否出现2、词袋模型：考虑出现的频率3、TF-IDF：考虑出现的频率和词的重要性分布式表示方法：word2vec

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：请问df1=df2，修改df2，df1会变化吗在Python

------import pandas as pddf1=pd.DataFrame([[1,2],[2,3]],columns=['a','b'])df1df2=df1df2['a']=[4,4]df2在Python里写入，发现df2有变动，因为他们虽然叫不同名字，但是是同一个地址在Python里，要想一个变量改动，另外一个变量不动做备份，可以使用下面的语句：df2=df1.copy()

240.0000

1

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：梯度下降法里的函数是自己设置吗

-----这是用一个函数解释梯度下降算法原理，改变了函数，求导也应该变化

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

提问：机器学习里，对于不平衡的数据处理有哪些技术手段

不平衡数据处理方式：数据角度：上采样，下采样算法角度：权重，惩罚评价指标

0.0000

0

0

0

关注作者

收藏

<1…678…61>

CDA考试动态

CDA报考指南