问： 判断分布是哪种类型的目的和使用环节是什么呢？ 答： 判断分布是哪种类型的目的主要是看符不符合检验的前提假设，例如t-检验的假设是检验的数据满足正态分布，小样本不满足正态分布的数据用t-检验就会造成较大的偏差， 一般是在小数据中会考虑这个问题，在大数据中基本不用去判别数据的分布类型，因为大数定理中证明了，样本数>=30时，样本均值的分布可以近似看做正态分布。
詹惠儿
2020-05-25
问： 这个图里面对角线表示什么？ 答： 这个热力图点的大小表示x轴与y轴对应的变量的相关性，从下面给出的源代码中可以看出， 绘制热力图前已经进行了筛选，将相关系数<=0.9的点的值变得很小很小，因此图上只显示相关系数>0.9的点。 而热力图上的对角线上的点，分别对应每个变量与自己的相关系数，因为在对角线上的点在x轴与 y轴的取值是一样的，同时这些点的取值都是1，因为每个变量自己与自己肯定是
詹惠儿
2020-05-25
问： python报错：ModuleNotFoundError: No module named mglearn 答： mglearn是python第三方包，需要先执行代码进行安装，安装方式如下： 在jupyter上：!pip install mglearn -i https://pypi.tuna.tsinghua.edu.cn/simple 在cmd上：pip install mgle
詹惠儿
2020-05-22
问： python函数中，有些参数不写的话，机器会默认成什么呢？ 答： python函数的定义中，是可以给参数定义默认值的，当设置了默认值时，调用该函数即使不给该参数赋值也不会报错， 因为系统会自动使用默认值，而当没设置参数默认值时，调用该函数却没有给该参数赋值就会出现报错。在jupyter中， 可以点击shift tab键来查看对应函数的帮助文档，帮助文档中会对该函数的每个参数及参数默认
詹惠儿
2020-05-22
问： logit和logistic模型有什么联系及区别？ 答： 二者区别及联系总结如下： (1)二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a), logistic形式为log(a/1-a)。 (2)应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的 响应变量可以是多元的。 (3)统计软件spss中: logi
詹惠儿
2020-05-22
问： 这段代码运行后有警告但没有结果是怎么回事？ 答： 这是因为这段代码中最后一句代码是将log. predict (xtest)赋值给变量y_log， 并没有将y_log输出，而在python中，默认是输出一个shell中最后一句代码的结果， 所以执行这段代码是没有输出任何结果的，如果想要看前面几行代码的结果， 可以通过代码设置全部行都能输出来可以查看每一行的结果： from IPyt
詹惠儿
2020-05-21
问： 下面代码用replace函数哪里不对呢 答： 这里使用replace函数不是仅把s[i]替换成s[i].lower()，而是会将所有和s[i]一样的字符都替换成s[i].lower()， 例如下面这个例子，会将所有G替换为g，而不仅仅是替换s[1]上的G 这道题的解法可以参考如下做法：
詹惠儿
2020-05-21
问： fit和fit_transform有啥区别呢？ 答： fit和transform没有任何关系，仅仅是数据处理的两个不同环节，之所以出来fit_transform这个函数名，仅仅是为了写代码方便，会高效一点。 sklearn里的封装好的各种算法使用前都要fit，fit相对于整个代码而言，为后续API服务。fit之后，然后调用各种API方法，transform只是其中一个API方法，所以当你
詹惠儿
2020-05-21
问： *range(... 那个为什么要加星呢？ 答： 这里如果不加*，[range(0,6),range(32,58)]得到的是类似二维数组的数据 这样不符合dataframe索引的规则，而加了*可以把列表内的数据展开，这样使用data.iloc[,]就可以进行切片取值
詹惠儿
2020-05-21
问： 这个var 里面的元素是什么？ 答： 这里的第一个参数和第三个参数t，j，是异常值的最小阈值和最大阈值，是根据业务来定的， i是字段名，主要用来对数据进行索引
詹惠儿
2020-05-21
问： python报错：IndexError :tuple index out of range 答： 第一个参数为样本的常量，不需要加引号，同时将代码最后多余的[source]去掉即可。
詹惠儿
2020-05-21
问： python报错：FileNotFoundError:[Errno 2] File drinks. csv does not exist:'drinks. csv' 答; 这是因为该数据文件没有放在当前jupyter所在的目录地址下，可以使用%pwd查看当前目录地址，然后检查下该地址下有没有存放这个数据文件
詹惠儿
2020-05-21
问： 字段‘continent’含‘NA’值，为什么导入数据后没有出现缺失值？ 答： 这是因为导入数据时，设置了keep_default_na=False，我们在使用pandas读取文件时，常会遇到某个字段为NaN。 一般情况下，这是因为文件中包含空值导致的，因为pandas默认会将 '-1.#IND', '1.#QNAN', '1.#IND', '-1.#QNAN', '#N/A N/
詹惠儿
2020-05-21
问： python卸载第三方包时报错：系统无法将文件移到不同的磁盘驱动器 答： 这是因为此电脑上的python正在调用对应的库，某些文件被占用导致系统无法卸载，解决方法就是关掉Python，再重新进行卸载就行了。
詹惠儿
2020-05-20
问： python报错：Impor tError : cannot import name .factorial' from.scipy. misc 答： 这是因为anaconda自带的statsmodels包里关联的其他包如scipy和此电脑上的版本不一致，需要先把anaconda自带的statsmodels包卸载 然后重新下载statsmodels包，再运行此代码即可。
詹惠儿
2020-05-20
python报错：ImportError :cannot import :name Vq from. scipy. cluster 答： 这是因为scipy包版本比较低或者包损坏，先运行代码pip uninstall scipy将scipy卸载，再运行代码pip install scipy 重新下载scipy即可
詹惠儿
2020-05-20
问： 热力图上中间那条线是什么意思呢 答： 这个图用于显示变量间的相关程度，图上中间的斜线上所有的点都表示是某个变量与其自己作相关比较，自己与自己比较相关系数肯定是1的，所以会显示成一条斜线
詹惠儿
2020-05-20
问： 这个热力图图怎么看哇 气体综合 和 烟碱量 答： 这个热力图是把存在高相关关系（相关系数>0.9）的变量显示出来，有显示的点对应的变量就是高相关的变量，如下图所示的5个点： 例如下方的这个点表示变量过滤时效01和变量v3燃料类型存在高相关关系
詹惠儿
2020-05-20
问： python报错：NameError: name .selector is not defined 答： select包是已经包装成功了的，这里是因为前面selector=RFE(rfr,n_features_to_select=5).fit(x54_1,y54_1)语句被注释起来没运行， 把前面的#去掉，运行selector=RFE(rfr,n_features_to_selec
詹惠儿
2020-05-20
问： 如果后期想安装其他python第三方包的代码，该上哪里去查呢 答： pip install 库名，这个是安装python第三方库的语法，需要安装啥包，就把包的名字替换掉， 例如安装missingpy，就是执行pip install missingpy这句代码即可， 又由于安装python第三方库默认使用的是国外镜像源，会比较慢 建议可以在代码中指定镜像源安装，例如可以指定使用清华的镜像源就
詹惠儿
2020-05-20
