Python数据分析-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

liting李

为什么对原始数据集进行行有放回抽样

我们训练模型之前，必然会有一个巨大的数据集。我们都知道树模型是天生过拟合的模型，并且如果数据量量太过巨大，树模型的计算会非常缓慢，因此，我们要对我们的原始数据集进行有放回抽样。有放回抽样是防止过拟合。

0.0000

0

3

0

关注作者

收藏

liting李

决策树是贪婪算法吗

贪婪算法指的是控制局部最优来达到全局最优的算法，决策树算法本身就是一种使用贪婪算法的方法。

0.0000

0

3

0

关注作者

收藏

liting李

如何安装xgboost库

#windowspip install --user xgboost #安装xgboost库pip install --upgrade xgboost #更更新xgboost库#MACbrew install gcc@7pip3 install xgboost安装完毕之后，我们就能够使用这个库中所带的XGB相关的类了。import xgboost as xgb

62.4585

3

2

0

关注作者

收藏

shauna570392

ipynb文件如何打开

打开jupyter notebook，点击右上角的upload上传按钮，就可以上传你电脑上的.ipynb 文件，上传后可直接打开，显示如下界面：

23.3272

2

5

0

关注作者

收藏

大魔王泛泛

推荐指数矩阵为什么变成一维之后要重置索引

因为数据要进行分组，直接stack（）后的数据无法进行groupby

0.0000

0

2

0

关注作者

收藏

大魔王泛泛

简述一下什么是API？

API可以理解为应用程序编程接口，是一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力，而又无需访问源码，或理解内部工作机制的细节

0.0000

0

3

0

关注作者

收藏

大魔王泛泛

简述一下余玄相似度和皮尔逊相关系数

余玄相似度：余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量皮尔逊相关系数：用来反映两个随机变量之间的线性相关程度

0.0000

0

1

0

关注作者

收藏

大魔王泛泛

简述一下朴素贝叶斯的优缺点和适用场景

优点：1. 朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率；2. 对大数量训练和查询时具有较高的速度。即使使用超大规模的训练集，针对每个项目通常也只会有相对较少的特征数，并且对项目的训练和分类也仅仅是特征概率的数学运算而已；3. 对小规模的数据表现很好，能个处理多分类任务，适合增量式训练（即可以实时的对新增的样本进行训练）；4. 对缺失数据不太敏感，算法也比较简单

2.2541

1

1

0

关注作者

收藏

大魔王泛泛

简述一下什么是极大似然原理？

极大似然原理可以这样理解：样本所展现的状态便是所有可能状态中出现概率最大的状态。一个试验有若干个可能结果A1，A2，A3，…，An，若一次实验的结果是Ai发生，则自然认为Ai在所有可能结果中发生的概率最大，当总体X的未知参数θ待估时，应用这一原理，对X的样本（X1，X2，…，Xn）做一次观测实验，得到样本观察值（x1，x2，…，xn）为此一次试验结果，那么参数θ的估计值应该取为使得这一结果发生

4.9881

2

2

0

关注作者

收藏

大魔王泛泛

最小二乘法与梯度下降的区别

广义上的最小二乘法：基于均方误差最小化来进行模型求解狭义上的最小二乘法：线性假设下的一种有闭式解的参数求解方法，最终结果为全局最优梯度下降：是假设条件更为广泛无约束的，一种通过迭代更新来逐步进行的参数优化方法。针对凸问题可以得到全局最优解。而对于非凸问题可能会陷入到局部最优解线性最小二乘求解可以使用最小二乘算法和梯度下降方法非线性最小二乘求解可以使用梯度下降方法和牛顿法等方法

2.6079

2

4

0

关注作者

收藏

liting李

封箱没封箱时从字段理解上么？

封箱没封箱时从字段理解上么？这个问题答案是要把数值型的变量单独抽出来看是否是经过离散化之后的数据，还有一个判断指标是一般都是经验和常识，根据经验看它是属于哪种数据类型。

0.0013

1

2

0

关注作者

收藏

liting李

分类型是不是就是离散型的呢？

分类型是不是就是离散型的呢？分类型数据不是离散型数据，比如幸福指数为1，2，3类，它是经过离散化之后的分类型数据。离散化是将连续数据变成离散数据，前提条件是数据。所以分类型数据并不是离散型数据。数据有分类顺序数值型三种；数值可以分为连续型和离散型，连续性可以取到小数，离散型只能是整数。

0.0013

1

3

0

关注作者

收藏

PGC123

pyecharts无法在jupyterlab中显示问题

pyecharts无法在jupyterlab中显示问题。我的代码运行后并不能绘制出图像来，我是使用jupyter lab运行代码的，用notebook就可以。答：不同的 Notebook 环境有自己不同的渲染要求，pyecharts 在底层做了适配处理，但因为我们无法在import pyecharts的时候知道用户具体使用的是哪种 Notebook 环境，所以需要用户在使用时在顶部声明环境类

30.5863

3

2

0

关注作者

收藏

田齐齐

pandas中isin的作用是什么

比如A和B都是一个三维的，判断A. isin(B)，就是判断A中的点，在不在B构建的这个三维空间集合里（也就是矢量化集合）就等于两个立方体，在空间里有一部分是重叠交汇的，A和B交汇的部分就反回turn，而不在这个B构建的这个矢量化集合里的就返回false

5.6927

3

4

0

关注作者

收藏

田齐齐

编码顺序从大到小和从小到大有没有影响?

在对特征进行编码时,顺序从大到小和从小到大有没有影响?答:针对有顺序的特征最好按照顺序进行编码,例如学历情况:初中未毕业,初中毕业,高中毕业,专科,本科,硕士,博士,博士后.对应的编码要分别为0,1,2,3,4,5,6,7,8.按照从小到大的顺序.针对类型级别平行的就没有顺序要求了.

35.6927

4

7

0

关注作者

收藏

田齐齐

seaborn是什么?

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

35.6927

4

0

0

关注作者

收藏

赵娜0418

安装graphviz插件报错

问：安装graphviz插件报以上图片错误答：开始选项卡下找到Anaconda的文件夹，打开之后点击图中箭头所指的程序，打开程序后输入pip install graphviz的命令

33.3044

4

5

0

关注作者

收藏

大魔王泛泛

简述一下KNN和决策树？

KNN：通过计算分类数据点，与已有数据集中的所有数据点的距离。取距离最小的前K个点，根据“少数如从多数”的原则，将这个数据点划分为出现次数最多的哪个类别。决策树：决策树是一种树形结构的分类器，依次询问分类点的属性决定分类点最终所属的类别，根据特征的信息增益或者其他指标，构建一个决策树。分类时，只需按照决策树中的节点依次判断，即可得到样本所属类别。KNN最大的缺

1.6049

1

1

0

关注作者

收藏

大魔王泛泛

简述一下python中的lambda和apply

python中的匿名函数lambda：是指一类无需定义标识符（函数名）的函数或子程序，lambda 函数可以接收任意多个参数 (包括可选参数) 并且返回单个表达式的值Python中的apply函数：apply(func,*args,**kwargs) func可以是匿名函数，当一个函数的参数存在于一个元组或者一个字典中时，用来间接的调用这个函数，并将元组或者字典中的参数按照顺序传递给参数，a

1.6049

1

4

0

关注作者

收藏

大魔王泛泛

MSE与MAE的区别？

MSE：均方误差(MSE)是最常用的回归损失函数，计算方法是求预测值与真实值之间距离的平方和MAE：平均绝对误差（MAE）是另一种用于回归模型的损失函数，MAE是目标值和预测值之差的绝对值之和

1.6049

1

3

0

关注作者

收藏

<1…202122…123>

CDA考试动态

CDA报考指南