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

大魔王泛泛

简述一下回归树和分类树的区别？

分类树：分类树使用信息增益或增益比率来划分节点；每个节点样本的类别情况投票决定测试样本的类别。回归树：回归树使用最大均方差划分节点；每个节点样本的均值作为测试样本的回归预测值。

1.6049

1

4

0

关注作者

收藏

大魔王泛泛

简述一下什么是回归树？

回归树的工作原理与传统基于梯度下降迭代的Neural Network，或者直接求解析解的线性回归不太一样，它并不是通过某种线性或者非线性的映射，或者变换来进行预测，实现起来也比较反直觉，它的数据结构是一颗二叉树，但是它的目的和Linear Regression，Neural Network的目的是相同的，本质上都是希望经验风险或者结构风险最小化

0.0000

0

2

0

关注作者

收藏

大魔王泛泛

什么是归一化的均方误差?

归一化的均方误差是将均方的表达式经过变换，化为无量纲的表达式，成为标量。归一化的均方误差是衡量“平均误差”的一种较方便的方法，可以评价数据的变化程度。

1.0029

1

2

0

关注作者

收藏

吃瓜群众2号

scikit-learn 中的轮廓系数

对应 scikit-learn 方法是 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。在文档中提到，轮廓系数需要聚类数大于2，小于(样本数-1)。方法包括几个参数，最终返回一个 float 的轮廓系数，通常是在全部样本上的。X：二维样本，通常为[n_samples, n

76.4805

2

1

0

关注作者

收藏

田齐齐

Kmeans性能评估指标轮廓系数

对于每个点𝑖 为已聚类数据中的样本，𝑏𝑖 为𝑖 到其它族群的所有样本的平均距离，𝑎𝑖 为𝑖 到本身簇的距离平均值最终计算出所有的样本点的轮廓系数平均值

20.1923

6

0

0

关注作者

收藏

田齐齐

多大数据适合用kmeans和knn算法?

答:因为kmeans和knn两个算法模型需要计算点与点之间的空间距离,所以最好用于量级较小的数据中.当然也需要考虑数据特征数的多少而定.

3.7683

5

1

0

关注作者

收藏

田齐齐

机器学习:KMeans组内距离平方和是哪个簇的？

问:KMeans组内距离平方和是哪个簇的？答:是所有簇相加的总和,

3.7683

5

0

0

关注作者

收藏

田齐齐

机器学习:利用sklearn生成4个簇的数据

导包:import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinefrom sklearn.datasets import make_blobs生成数据:# X为样本特征，Y为样本簇类别，共1000个样本，# 每个样本 2 个特征，共4个簇，# 簇中心在[-1,-1], [0,0],[1,1], [2,2

20.1923

6

5

0

关注作者

收藏

田齐齐

机器学习:Kmeans算法API参数说明

class sklearn.cluster.KMeans(n_clusters=8, init='k-means ', n_init=10, max_iter=300, tol=0.0001, , verbose=0, random_state=None, n_jobs=None) n_clusters: 就是K, 聚成几类 init:'k-means ', 一种选择初始中心点

3.7683

5

3

0

关注作者

收藏

田齐齐

模拟生成不均衡的数据中心点和离散程度设置

问:不均衡的数据指label为0和1的样本比例不一样那在生成不均衡数据的时候设置中心点和离散程度可以省略或者让class1和class2的中心点和离散程度完全一致吗？答:在模拟的数据集中,原则上是可以这样设置的,但用中心点和离散程度完全一致的数据集做聚类效果很差.为了将模拟确实有明显分类的数据我们一般需要设置class1和class2的中心点和离散程度.

36.3750

6

1

0

关注作者

收藏

田齐齐

分类型数据中,一般是默认1为少类，0为多类吗？

问:分类型数据中,默认1为少类，0为多类吗？答:这个并不是绝对的,但习惯上一般默认1为少类，0为多类.习惯将我们更期望被预测出来的类型标位1类

20.1988

6

1

0

关注作者

收藏

liting李

KNN和Kmeans 好像有点像

这两种算法之间的根本区别是，Kmeans本质上是无监督学习而KNN是监督学习。Kmeans是聚类算法，KNN是分类（或回归）算法。Kmeans算法把一个数据集分割成簇，使得形成的簇是同构的，每个簇里的点相互靠近。该算法试图维持这些簇之间有足够的可分离性。由于无监督的性质，这些簇没有任何标签。KNN算法尝试基于其K（可以是任何数目）个周围邻居来对未标记的观察进行分类。它也被称为懒惰学习法，因为它涉及

20.1840

3

2

0

关注作者

收藏

liting李

对于样本不均衡数据集如何处理？

对于样本不均衡数据集:模型天生会倾向于识别多数类, 但是在我们的大多数不均衡数据集中, 少类样本才是我们真正想要去识别的类别.解决方案: 1. 构建一个新的模型效果评估体系, 去评估模型对于少类样本的识别情况. - 混淆矩阵 - 精准度 - 召回率 - f1-score2. 解决数据集中的类别不均衡问题 - 采用采样法: 上采样(SOMTE采样

3.7600

2

0

0

关注作者

收藏

liting李

精准度和召回率为啥相互矛盾

TP-将正预测为真，FN-将正预测为假，FP-将反预测为真，TN-将反预测为假。1.准确率(Accuracy)：预测正确的样本占所有样本的比例。一般来说，精确度和召回率之间是矛盾的，这里引入F1-Score作为综合指标，就是为了平衡准确率和召回率的影响，较为全面地评价一个分类器。F1是精确率和召回率的调和平均：

20.1840

3

1

0

关注作者

收藏

大魔王泛泛

KNN适用于哪些场景？

KNN算法应用领域：文本分类、模式识别、聚类分析，多分类领域

0.0000

0

1

0

关注作者

收藏

田齐齐

机器学习：信息熵

信息熵是用来衡量一个随机变量出现的期望值，一个变量的信息熵越大。在决策树模型中信息熵越大，表示纯度越低。

3.7748

5

0

0

关注作者

收藏

田齐齐

机器学习：决策树重要参数说明

DecisionTreeClassifier (criterion='gini', splitter='best', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes

3.7748

5

4

0

关注作者

收藏

田齐齐

机器学习：决策树模型为什么不用归一化处理

对于树形结构为什么不需要归一化？因为数值缩放不影响分裂点位置，对树模型的结构不造成影响。按照特征值进行排序的，排序的顺序不变，那么所属的分支以及分裂点就不会有不同。概率模型不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、rf。而像adaboost、svm、lr、KNN、KMeans之类的最优化问题就需要归一化。而且，树模型是不能进行梯度下降的，

3.7748

5

1

0

关注作者

收藏

田齐齐

机器学习：sklearn中的决策树用的是哪个版本的算法

sklearn中的决策树用的是CART二叉树:分类回归树。

3.7748

5

4

0

关注作者

收藏

田齐齐

机器学习：决策树模型中的不纯度指标

我们一般怎样去选择使用哪个指标来评价决策树模型中的不纯度指标。错误率: 因为变化是一个直线变化, 数学性质不好信息熵: 数学性质号, 但是有对数运算, 需要消耗运算量大基尼: 和信息熵基本一样, 而且消耗的运算量小所以我们绝大多数时候直接选择基尼指数即可。

3.7748

5

3

0

关注作者

收藏

<1…212223…123>

CDA考试动态

CDA报考指南