Python编程-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

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

读童话的狼

k-means相同数据运行出来的标签不一样？

k-means是聚类算法，也就是unsupervised learning也就是非监督学习. 所以clustering出来的标签是没有意义的。标签也就是用来表示相同标签的属于一个聚类，不同的标签的数据不同而已。而且，严格来说就不能叫标签，只能叫标记。

0.0000

0

1

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

读童话的狼

无监督学习需要分训练集、测试集吗？

无监督学习中，我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。测试集的目的是为了评估模型的准确率，也就是要将预测标签与真实标签进行对比，因为无监督学习是没有标签的，划分测试集也就没有意义

0.0000

0

3

0

关注作者

收藏

读童话的狼

plt.cm.tab10如何选择颜色？

matplotlib.cm是matplotlib库中内置的色彩映射函数。使用方法：matplotlib.cm.[色彩]('[数据集]')即对[数据集]应用[色彩]

0.0000

0

1

0

关注作者

收藏

读童话的狼

K-means算法如何确定初始质心？

常见的方法是随机的选取初始质心，但是这样簇的质量常常很差。处理选取初始质心问题的一种常用技术是：多次运行，每次使用一组不同的随机初始质心，然后选取具有最小SSE（误差的平方和）的簇集。这种策略简单，但是效果可能不好，这取决于数据集和寻找的簇的个数。第二种有效的方法是，取一个样本，并使用层次聚类技术对它聚类。从层次聚类中提取K个簇，并用这些簇的质心作为初始质心。该方法通常

0.0000

0

5

0

关注作者

收藏

读童话的狼

map()、apply()、applymap()有什么区别？

map()是Series对象的一个函数，DataFrame中没有map()，map()的功能是将一个自定义函数作用于Series对象的每个元素;现在使用map()函数来将data1这一列的数据改为保留三位小数显示df['data1'] = df['data1'].map(lambda x : "%.3f"%x)apply()函数的功能是将一个自定义函数作用于DataFrame的行或者列;现

0.0000

0

0

0

关注作者

收藏

读童话的狼

为什么对DataFrame的一列进行.str操作？

对DataFrame的一列进行.str操作，可以对这一列中的每个值使用字符串的方法，类似于广播

0.0000

0

2

0

关注作者

收藏

读童话的狼

DataFrame里为什么不能调用.name？

.name是series的属性，在DataFrame中只能调用columns和index

28.9745

1

3

0

关注作者

收藏

读童话的狼

交叉验证中如何设置分层抽样？

使用StratifiedKFold和StratifiedShuffleSplit 分层抽样。一些分类问题在目标类别的分布上可能表现出很大的不平衡性：例如，可能会出现比正样本多数倍的负样本。在这种情况下，建议采用如 StratifiedKFold 和 StratifiedShuffleSplit 中实现的分层抽样方法，确保相对的类别频率在每个训练和验证折叠中大致保留。分层K折：Strati

0.0000

0

3

0

关注作者

收藏

读童话的狼

如何评估模型的泛化能力？

学习方法的泛化能力是指由该方法学习到的模型对未知数据的预测能力，是学习方法本质上重要的性质，常用的方法是通过测试误差来衡量泛化能力，但是这种方法依赖测试数据，但是由于测试数据是有限的，因此评价结果不是完全可靠的。

0.0000

0

3

0

关注作者

收藏

读童话的狼

主成分降维该怎么用？

1、定义：主成分分析是一种统计方法，通过正交变换将一组可能存在相关性的变量转换为线性不相关，转换后的这组变量称为主成分。2、主要应用场景：数据压缩；消除冗余；消除数据噪声；数据降维，可视化3、理论基础：最大投影方差理论、最小投影距离理论和坐标轴相关度理论4、直观理解：找出数据里最主要的成分，代替原始数据并使损失尽可能的小 a) 样本点到超平面的距离足够近 b

0.0000

0

3

0

关注作者

收藏

读童话的狼

方差变化跟交叉验证的折数有什么关系？

当k值很小时，这里不妨假设为2，那么每次训练集大小为n/2，每次训练的数据量会偏小，取平均值后，由于每次训练的数据量比较小，所以会导致最终没有办法很好地学习到样本的分布，会导致偏差较大，不过方差较小。或者这么理解，由于k折交叉验证是使用k次训练的结果取平均值来进行预测的，如果只有两折交叉验证，每次对训练集的预测结果是使用一半的数据训练一半的数据预测，当数据集少时如果只针对本数据集预测，那么偏差会很

0.0000

0

2

0

关注作者

收藏

读童话的狼

测试集的比例就是交叉验证折数分之一吗？

是的，K折交叉验证中，我们将数据划分为n份，依次使用其中一份作为测试集，其他n-1份作为训练集，这样就会出现n个准确率，我们再对这n个准确率求平均值。如果平均准确率高的，就说明泛化能力更强。

0.0000

0

6

0

关注作者

收藏

田齐齐

Matplotlib中设置支持中文代码

28.9813

4

1

0

关注作者

收藏

读童话的狼

随机种子是随便设置的吗？

random_state是一个随机种子，是在任意带有随机性的类或函数里作为参数来控制随机模式。当random_state取某一个值时，也就确定了一种规则。随机数种子控制每次划分训练集和测试集的模式，其取值不变时划分得到的结果一模一样，其值改变时，划分得到的结果不同。若不设置此参数，则函数会自动选择一种随机模式，得到的结果也就不同。在需要设置random_state的地方给其赋一个值，当多次

0.0000

0

5

0

关注作者

收藏

读童话的狼

如何划分数据集？

构建和训练机器学习模型是希望对新的数据做出良好预测如何去保证训练的实效，可以应对以前未见过的数据呢?一种方法是将数据集分成两个子集：　　训练集-用于训练模型的子集测试集-用于测试模型的子集通常，在测试集上表现是否良好是衡量能否在新数据上表现良好的有用指标，前提是：测试集足够大不会反复使用相同的测试集来作假将单个数据集拆分为一个训练集和一个测试集，确保测试集满足以下两个条件：

0.0000

0

6

0

关注作者

收藏

读童话的狼

全局变量和局部变量的区别？

全局变量和局部变量的区别如下：1. 作用域不同：全局变量的作用域为整个程序，而局部变量的作用域为当前函数或循环等2. 内存存储方式不同：全局变量存储在全局数据区中，局部变量存储在栈区3. 生命期不同：全局变量的生命期和主程序一样，随程序的销毁而销毁，局部变量在函数内部或循环内部，随函数的退出或循环退出就不存在了4. 使用方式不同：全局变量在声明后程序的各个部分都可以用到，但是局部变量只能

0.0000

0

4

0

关注作者

收藏

liting李

不同电脑 Matplotlib 支持中文的代码

32.7347

3

1

0

关注作者

收藏

<1…414243…159>

CDA考试动态

CDA报考指南