python-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

开花结果02

python:决策树是有参模型还是无参模型？

问题：决策树是有参模型还是无参模型？解答：决策树模型是无参数模型。类似于knn模型的k是控制模型复杂程度的，它不是参数，是超参数，是我们自己定义的主观的参数，都是控制模型的复杂程度的，不是模型的真实的参数。决策树模型就是一个树模型，用树的结构来学习x与y的关系，但是最后没有一个具体的带有参数的公式表达出来（类似于y=ax+b）这种。所以说决策树模型是一个无参模型

40.6688

1

0

0

关注作者

收藏

姚慧扬

python进行文件操作的步骤:

第一步: 打开文件f = open(文件名, 操作模式, encoding=文件编码)第二步: 读写文件f.read()f.write()第三步: 关闭文件f.close()文件指针:文件读写中有指针的概念存在, 打开文件时默认指针处于文件内容开头, 当读取文件全部内容后, 指针移动到文件末尾.当文件处于指针末尾时, 是无法读取文件中的字符串的. 而这时如果写入字符串, 会写入到当前文件最后.re

28.3396

3

0

0

关注作者

收藏

cxm272965

什么是过拟合?如何避免过拟合问题？

过拟合:所选模型的复杂度比真模型更高;学习时选择的模型所包含的参数过多,对已经数据预测得很好,但是对未知数据预测得很差的现象.过拟合一般特点:高方差,低偏差;导致过拟合原因:训练数据不够,模型进行过度训练（overtraining）等如何避免过拟合:1) Early stopping （适当的stopping criterion）: Early stopping便是一种迭代次数截断的方法来防止过拟

19.8803

2

5

0

关注作者

收藏

开花结果02

python:决策树中怎么处理连续型变量

问题：决策树中怎么处理连续型变量解答：很多时候，特征值常常是连续的，比如身高，金额等等。这时候不能直接采用上面的特征分割方法，首先需要将连续属性离散化，最简单的方法是二分法，就是设置一个阈值，小于这个值的为一类，大于这个值的为另外一类。给定样本集D和连续属性a，假定a在D上出现了n个不同的取值，将其从小到大排序，即为(a1,a2,a3…an)。然后可以计算出n-1个潜在划分点Ti。

40.7900

4

3

0

关注作者

收藏

开花结果02

python:决策树中怎么处理连续型变量

问题：决策树中怎么处理连续型变量解答：很多时候，特征值常常是连续的，比如身高，金额等等。这时候我们需要先将连续属性离散化，最简单的方法是二分法，就是设置一个阈值，小于这个值的为一类，大于这个值的为另外一类。给定样本集D和连续属性a，假定a在D上出现了n个不同的取值，将其从小到大排序，即为(a1,a2,a3…an)。然后可以计算出n-1个潜在划分点Ti。即将每两个相邻元素的中间点可以

19.9755

4

1

0

关注作者

收藏

开花结果02

python:决策树中怎么处理噪音点

问题：决策树中怎么处理噪声点解答：如果训练集中存在噪声点，那样模型在学习的过程中会将噪声与标签的关系也学习进去，这样就会造成模型的过拟合化，也就是模型在训练集的分类的效果很好，在未知数据上处理不好怎么解决呢？可以采用剪枝的方法。一般存在“预剪枝”和“后剪枝”两种策略。预剪枝即为在决策树生成过程中，对当前节点的划分结果进行评价，如果该划分不能带来决策树泛化能力（即处理未见过示例的能力）的提升，则停止

28.4275

4

2

0

关注作者

收藏

开花结果02

python:什么是递归函数

1.什么是递归函数？一种计算过程, 如果其中每一步都要用到前一步或前几步的结果, 称为递归的.用递归过程定义的函数, 称为递归函数, 例如连加,连乘及阶乘等. 凡是递归的函数, 是可计算的, 即能行的.2.举个例子：def fact(n): if n == 1: return 1 return n * fact(n - 1) print(fac

28.3966

4

3

0

关注作者

收藏

开花结果02

python：Conda报错InvalidArchiveError情况以及解决防范

问题：Conda报错InvalidArchiveError情况以及解决防范解答：因为权限问题，以管理员身份运行cmd，然后执行conda install python-graphviz 这行代码就可以了

28.3966

4

4

0

关注作者

收藏

haoyumeng

Python_write和writelines的区别

1 write()需要传入一个字符串做为参数,否则会报错2 writelines()既可以传入字符串又可以传入一个字符序列,并将该字符序列写入文件注意：writelines必须传入的是字符序列,不能是数字序列如：list_1023 = [1,2,3,4,5]报错:TypeError: write() argument must be str, not list

19.8542

1

1

0

关注作者

收藏

姚慧扬

python集合&函数&模块内容补充

s1 & s2 交集s1 | s2 并集s1-s2 差集all(全真才真,一假全假)any(全假才假,一真全真)return 除了返回函数结果,还代表函数的终止不同的函数，可以定义相同的名字的局部变量，但是各用个的不会产生影响局部变量的作用，为了临时保存数据需要在函数中定义变量来进行存储，这就是它的作用对于可变类型全局变量,是不能在函数内部进行修改的,非要改需要用global进行声明;对于不可变类

20.0496

2

6

0

关注作者

收藏

开花结果02

python：什么是轮廓系数？

轮廓系数是最常⽤用的聚类算法的评价指标。它是对每个样本来定义的，它能够同时衡量量：1）样本与其⾃自身所在的簇中的其他样本的相似度a，等于样本与同⼀一簇中所有其他点之间的平均距离2）样本与其他簇中的样本的相似度b，等于样本与下⼀一个最近的簇中的所有点之间的平均距离根据聚类的要求 ”簇内差异⼩小，簇外差异⼤大“，我们希望b永远⼤大于a，并且⼤大得越多越好单个样本的轮廓系数计算为轮廓系数可以分成三种情

19.8542

1

3

0

关注作者

收藏

开花结果02

python:K-means算法中，什么情况下需要拆分簇

问题：在K-means算法中，什么情况下需要拆分簇解答：1.说拆分不准确，应该说增加分出来蔟的个数2.对于轮廓系数来说，如果发现增加了个蔟的情况下，平均的轮廓系数上升了或者下降的不太多的情况下，每个蔟里都有绝大部份的样本的轮廓系数都大于平均值的话，就是-个更加好的结果，我们应该去增加蔟的个数3.我们不能手动进行合并，只能说增加或减少蔟的个数，让kmeans自己去合并

19.8542

1

0

0

关注作者

收藏

haoyumeng

jupyter notebook 添加目录

打开Anaconda Promt输入pip install jupyter_contrib_nbextensions然后回车运行，来安装jupyter_contrib_nbextensions模块。中途会出来y/n的选项，输入y,然后回车，直到出现Successfully installed标志。继续输入jupyter contrib nbextension install --user然后回车，

13.6359

4

1

0

关注作者

收藏

开花结果02

python:分类与聚类有什么区别

问题：分类和聚类有什么区别解答：从图像上来看：

19.8982

2

4

0

关注作者

收藏

开花结果02

python:什么是归一化以及怎么做归一化？

问题一：什么是归一化？解答：当数据（x）按照最小值中心化后，再按极差（最大值-最小值）缩放，数据移动了最小值个单位，并且会被收敛到[0，1]之间，而这个过程，就称作数据归一化（Normalization，又称Min-Max Scaling）。在sklearn当中，我们使用preprocessing.MinMaxScaler来实现这个功能。MinMaxScaler有一个重要参数，feature_ra

19.9127

3

4

0

关注作者

收藏

liting李

怎么把python里的数据导入出来？

用to_csv(filePath,sep=",",index=TRUE,header=TRUE)sep分隔符，默认为逗号（“,”）index是否导出行序号，默认为TRUEheader是否导出列名，默认为TRUE

19.9266

4

5

0

关注作者

收藏

cxm272965

机器学习--K近邻（KNN）算法的原理及优缺点

一、KNN算法原理　　K近邻法(k-nearst neighbors,KNN)是一种很基本的机器学习方法。　　它的基本思想是：在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。　　由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所

13.5999

3

3

0

关注作者

收藏

liuyong2730

课上的讲的好多语法和关键字记不住怎么办

感觉还是要多练。上课时老师会给出几分钟时间给我们大家自己试一试。一定要充分利用好这个时间去试一下，不然讲的时候虽然懂了。过一天再去做题目，就会感觉很不确定，因为有好多细节，只有在实践当中才能体会到，实践了之后才会记忆深刻。当然记忆力超群的优秀的同学就不不需要了哈。

13.5999

3

0

0

关注作者

收藏

zjjwf

KNN算法优缺点

KNN的主要优点有：1.理论成熟，思想简单，既可以用来做分类又可以做回归2.可以用于非线性分类3.训练时间复杂度比支持向量机之类的算法低3.和朴素贝叶斯之类的算法比，对数据没有假设，准确度高，对异常点不敏感4.由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属的类别，因此对于类域的交叉或重叠较多的待分类样本集来说，KNN方法较其他方法更为适合5.该算法比较适用于样本容量比较

13.7934

4

5

0

关注作者

收藏

开花结果02

python:什么是欠拟合和过拟合？过拟合的解决方法

欠拟合：是指模型拟合程度不高，数据距离拟合曲线较远，或指模型没有很好地捕捉到数据特征，不能够很好地拟合数据。对于训练好的模型，若在训练集表现差，在测试集表现同样会很差。过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。过拟合是指为了得到一致假设而使假设变得过度严格。过拟合解决方法：增大数据集合，使用更多数

13.7121

3

4

0

关注作者

收藏

<1…8910…14>

CDA考试动态

CDA报考指南