第一种分法 •离散型数据 离散随机变量是指一个只取有限个或可数无限个数值的随机变量。 通常用古典概型来描述。 •连续型数据 连续随机变量是指一个取任何实数的概率都为零的变量。 通常用几何概型来描述。 第二种分法 •横截面数据 •时间序列数据 •面板数据 第三种分法 •定类尺度 国籍：中国 （无序） • •定序尺度 健康状况：良好 （有序） • •定距尺度 出生年份：1981 （0点有意义） •
wangjuju123
2018-11-07
之前翻译过一些国外的文章，有一篇文章中给出了一个简单的算法选择技巧： 首当其冲应该选择的就是逻辑回归，如果它的效果不怎么样，那么可以将它的结果作为基准来参考，在基础上与其他算法进行比较； 然后试试决策树（随机森林）看看是否可以大幅度提升你的模型性能。即便最后你并没有把它当做为最终模型，你也可以使用随机森林来移除噪声变量，做特征选择； 如果特征的数量和观测样本特别多，那么当资源和时间充足时（这个
wangjuju123
2018-11-05
Adaboost是一种加和模型，每个模型都是基于上一次模型的错误率来建立的，过分关注分错的样本，而对正确分类的样本减少关注度，逐次迭代之后，可以得到一个相对较好的模型。是一种典型的boosting算法。下面是总结下它的优缺点。 优点 adaboost是一种有很高精度的分类器。 可以使用各种方法构建子分类器，Adaboost算法提供的是框架。 当使用简单分类器时，计算出的结果是可以理解的，并且弱
wangjuju123
2018-11-05
这是一个近年来出现在各大比赛的大杀器，夺冠选手很大部分都使用了它。 高准确率高效率高并发，支持自定义损失函数，既可以用来分类又可以用来回归 可以像随机森林一样输出特征重要性，因为速度快，适合作为高维特征选择的一大利器 在目标函数中加入正则项，控制了模型的复杂程度，可以避免过拟合 支持列抽样，也就是随机选择特征，增强了模型的稳定性 对缺失值不敏感，可以学习到包含缺失值的特征的分裂方向 另外一个广受欢
wangjuju123
2018-11-05
关于K-Means聚类的文章，链接：机器学习算法-K-means聚类。关于K-Means的推导，里面有着很强大的EM思想。
优点
算法简单，容易实现 ；
对处理大数据集，该算法是相对可伸缩的和高效率的，因为它的复杂度大约是O(nkt)，其中n是所有对象的数目，k是簇的数目,t是迭代的次数。通常k< wangjuju123 2018-11-05
人工神经网络的优点： 分类的准确度高； 并行分布处理能力强,分布存储及学习能力强， 对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系； 具备联想记忆的功能。 人工神经网络的缺点： 神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值； 不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度； 学习时间过长,甚至可能达不到学习的目的。
wangjuju123
2018-11-05
高准确率，为避免过拟合提供了很好的理论保证，而且就算数据在原特征空间线性不可分，只要给个合适的核函数，它就能运行得很好。在动辄超高维的文本分类问题中特别受欢迎。可惜内存消耗大，难以解释，运行和调参也有些烦人，而随机森林却刚好避开了这些缺点，比较实用。 优点 可以解决高维问题，即大型特征空间； 能够处理非线性特征的相互作用； 无需依赖整个数据； 可以提高泛化能力； 需要对数据提前归一化，很多人使
wangjuju123
2018-11-05
理论成熟，思想简单，既可以用来做分类也可以用来做回归； 可用于非线性分类； 训练时间复杂度为O(n)； 对数据没有假设，准确度高，对outlier不敏感； 缺点 计算量大； 样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）； 需要大量的内存；
wangjuju123
2018-11-05
一、概念 turtle.right与turtle.left用法一致，我们以turtle.right为例进行讲述。 turtle.right(angle)向右旋转angle角度。 turtle.setheading(angle)设置当前朝向为angle角度。 二、举例 从概念上并不能准确的得知他们有怎样的区别，那我们以三角形为例，看看他们究竟有什么不同。 import turtle
wangjuju123
2018-11-05
一问题描述： 在导入数据之后，如何更改索引列 1.正常导入数据 2.输入命令 df.reset_index(drop=True),可以将原有错误的索引列删除的同时赋一个新的索引列。
wangjuju123
2018-11-05
一、问题描述 有学员在导入数据时发现他自己的数据索引列值都为空，如下： 我们想要把索引列换成一般的序列，可进行如下操作：
wangjuju123
2018-11-05
1.MATCH(lookup_value, lookup_array, [match_type]) 使用 MATCH 函数在 范围 单元格中搜索特定的项，然后返回该项在此区域中的相对位置。 lookup_value 必需。要在 lookup_array 中匹配的值。 lookup_value 参数可以为值（数字、文本或逻辑值）或对数字、文本或逻辑值的单元格引用。 lookup_arr
wangjuju123
2018-11-02
1.ADDRESS(row_num, column_num, [abs_num], [a1], [sheet_text]) 根据指定行号和列号获得工作表中的某个单元格的地址。 row_num 必需。 一个数值，指定要在单元格引用中使用的行号。 column_num 必需。 一个数值，指定要在单元格引用中使用的列号。 abs_num 可选。 一个数值，指定要返回的引用类型。 a
wangjuju123
2018-11-02
1）不错在 或者 -- 自增自减操作符。（导致“SyntaxError: invalid syntax”） 如果你习惯于例如 C , Java , PHP 等其他的语言，也许你会想要尝试使用 或者 -- 自增自减一个变量。在Python中是没有这样的操作符的。 该错误发生在如下代码中： spam = 1 spam 也许这才是你想做的： spam = 1 spam = 1
wangjuju123
2018-11-02
1）使用不存在的字典键值（导致“KeyError：‘spam’”） 该错误发生在如下代码中： spam = {'cat': 'Zophie', 'dog': 'Basil', 'mouse': 'Whiskers'} print('The name of my pet zebra is ' spam['zebra']) 2）尝试使用Python关键字作为变量名（导致“SyntaxError：i
wangjuju123
2018-11-02
1）尝试连接非字符串值与字符串（导致 “TypeError: Can't convert 'int' object to str implicitly”） 该错误发生在如下代码中： numEggs = 12 print('I have ' + numEggs + ' eggs.') 而你实际想要这样做： numEggs = 12 print('I have ' + str(numEggs) + '
wangjuju123
2018-11-02
1）忘记在 if , elif , else , for , while , class ,def 声明末尾添加 ：（导致 “SyntaxError ：invalid syntax”） 该错误将发生在类似如下代码中： if spam == 42 print('Hello!') 2)使用 = 而不是 ==（导致“SyntaxError: invalid syntax”） = 是赋值操作符而 =
wangjuju123
2018-11-02
时间序列首先要做平稳性检验，平稳可以直接建模，否则同阶单整后检验协整关系，存在协整关系后可以建模。 如果做OLS多元回归，还需要做相关分析，查看相关系数。 回归模型建立后，系数的T检验，方程的F检验是需要的。另外还要查看残差的异方差、自相关检验。 如果是VAR且要做方差分解，那么还要看VAR是否平稳——AR根落在单位园内。
wangjuju123
2018-11-02
自相关检验通常包括四种方法：1画残差自相关图（初步判断）；2.BG检验；3.Q检验；4.DW检验。其中，楼主所说的DW检验是可以用来检验大样本自相关的。但其存在以下主要缺点：1.只能检验一阶自相关（楼上已经提到），且要求解释变量满足严格外生性；2.其检验统计量d依赖于数据矩阵（X），无法绘制统计表，必须借助上下限来判断。当然，即使得到了上下限的值，仍存在无结论区域。Q检验中经过改进的“Ljung-
wangjuju123
2018-11-02
1.offset函数的含义 以指定的（单元格或相连单元格区域的引用）为参照系，通过给定偏移量得到新的引用。 返回的引用可以是一个单元格也可以是一个区域（可以指定行列数）。 2.offset函数的语法格式 =offsetreference,rows,cols,height,width) =Offset（参照单元格，行偏移量，列偏移量，返回几行，返回几列） 3.参数Reference——参照单元格（单
wangjuju123
2018-11-02
