数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

wangjuju123

短路逻辑和条件表达式

布尔运算符有个有趣的特征：只做必要的计算。例如，仅当x和y都为真时，表达式x and y才为真。因此如果x为假，这个表达式将立即返回假，而不关心y。实际上，如果x为假，这个表达式将返回x，否则返回y。（这将提供预期的结果，你明白了其中的原理吗？）这种行为称为短路逻辑（或者延迟求值）：布尔运算符常被称为逻辑运算符，如你所见，在有些情况下将“绕过”第二个值。对于运算符or，情况亦如此。在表达式x

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

Excel数组的计算方式

在Excel中数组可以理解为：多个单元格的集合。通常数组分为一维数组和多维数组，一维数组是单行或者是单列多个单元格集合，多维数组是多行多列单元格的集合。计算方式：1、一维数组*一维数组同一维度：两个数组之间两两相乘，最后生成也是一维数组。不同维度：先用第一个数组的第一个元素跟第二个数组的所有元素相乘，再用第一个数组的第二个元素与第二个数组的所有元素相乘，最后生成多维数组。

0.0000

0

3

0

关注作者

收藏

wangjuju123

可以不编写代码x = x + 1，而将右边表达式中的运算符（这里是+）移到赋值运算符（=）的前面，从而写成x += 1。这称为增强赋值，适用于所有标准运算符，如*、/、%等。 >>> x = 2 >>> x += 1 >>> x *= 2 >>> x 6 增强赋值也可用于其他数据类型（只要使用的双目运算符可用于这些数据类型）。 >>> fnord = 'foo' >>> fnord

0.0000

0

2

0

关注作者

收藏

wangjuju123

链式赋值是一种快捷方式，用于将多个变量关联到同一个值。这有点像前一节介绍的并行赋值，但只涉及一个值： x = y = somefunction() 上述代码与下面的代码等价： y = somefunction() x = y 请注意，这两条语句可能与下面的语句不等价： x = somefunction() y = somefunction()

0.0000

0

2

0

关注作者

收藏

wangjuju123

赋值语句你见过很多，有的给变量赋值，还有的给数据结构的一部分（如列表中的元素和切片，或者字典项）赋值，但还有其他类型的赋值语句。例如，可同时（并行）给多个变量赋值：>>> x, y, z = 1, 2, 3 >>> print(x, y, z) 1 2 3 看似用处不大？看好了，使用这种方式还可交换多个变量的值。 >>> x, y = y, x >>> print(x, y, z)

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

Excel中SUBSTITUTE函数的使用

语法：SUBSTITUTE(text, old_text, new_text, [instance_num])说明：将文本字符串中指定的文本替换为新的文本。Text：必须，目标文本字符串。Old_text：必须，目标文本中需要被替换的文本。New_text：必须，替换为新的文本。Instance_num：可选，如果是省略则需要替换所有的原始文本，否则，就是替换第几个原始文本。函数参数被[

0.0000

0

2

0

关注作者

收藏

kejiayuan0806

Excel定义名称

使用Excel名称管理器可以自定义名称，方便后续调用。定义名称的方法：1、【选中数据区域】--【名称栏输入名称】--【Enter】 2、【选中数据区域】--【公式】--【定义名称】，新建名称对话框中输入名称和引用位置 3、【选中数据区域】--【公式】--【根据所选内容创建】，勾选区域的名称，把首行作为每一列的名称 4、自定义名称后在【公式】--【名称管理器】可以修

62.1152

1

2

0

关注作者

收藏

kejiayuan0806

Excel删除重复项

如何在Excel中删除重复项，只保留不重复的值，让数据更简洁？操作步骤：【选中数据区域】--【数据】--【删去重复项】如果是针对多列数据删去重复项，就需要勾选多列数据，然后保留同一行多列数据唯一值。

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

boosting是什么

boosting是一种与bagging很类似的技术。不论是在boosting还是bagging当中，所使用的多个分类器的类型都是一致的。但是在前者当中，不同的分类器是通过串行训练而获得的，每个新分类器都根据已训练出的分类器的性能来进行训练。 boosting是通过集中关注被已有分类器错分的那些数据来获得新的分类器。由于boosting分类的结果是基于所有分类器的加权求和结果的，因此boos

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

基于错误提升分类器的性能

能否使用弱分类器和多个实例来构建一个强分类器？这是一个非常有趣的理论问题。这里的“弱”意味着分类器的性能比随机猜测要略好，但是也不会好太多。这就是说，在二分类情况下弱分类器的错误率会高于50%，而“强”分类器的错误率将会低很多。 AdaBoost算法即脱胎于上述理论问题。AdaBoost是adaptive boosting（自适应boosting）的缩写，其运行过程如下：训练数据中的每个

0.0000

0

5

0

关注作者

收藏

詹惠儿

评估模型的常用指标

基尼系数基尼系数有时用于分类问题。基尼系数可以从AUC ROC数得出。基尼系数只是ROC曲线与诊断线之间的面积与上述三角形的面积之比。以下是使用的公式：基尼= 2 * AUC - 1基尼系数高于60％是一个很好的模型。对于手头的情况，我们得到基尼系数为92.7％。协调 - 不和谐比率对于任何分类预测问题，这也是最重要的指标之一。要理解这一点，我们假设我们有3名学生今年有可能通过。以下

0.0000

0

0

0

关注作者

收藏

詹惠儿

评估模型的均方根误差（RMSE）

RMSE是回归问题中最常用的评估指标。它遵循一个假设，即误差是无偏的并遵循正态分布。以下是RMSE需要考虑的要点：“平方根”的功效使该指标能够显示大量偏差。此度量标准的“平方”特性有助于提供更强大的结果，从而防止取消正负误差值。换句话说，该度量恰当地显示了错误术语的合理幅度。它避免使用绝对误差值，这在数学计算中是非常不希望的。当我们有更多样本时，使用RMSE重建误差分布被认为更可靠。R

0.0000

0

2

0

关注作者

收藏

詹惠儿

Roc要注意什么？

让我们以阈值= 0.5为例（参考混淆矩阵）。这是混淆矩阵：a如您所见，此阈值的灵敏度为99.6％，（1-特异性）为~60％。该坐标在我们的ROC曲线中成为点。为了将该曲线降低到单个数字，我们找到该曲线下的面积（AUC）。注意，整个正方形的面积是1 * 1 = 1.因此AUC本身是曲线下面的比率和总面积。对于手头的案例，我们将AUC ROC定为96.4％。以下是一些拇指规则：.90-1

0.0000

0

1

0

关注作者

收藏

詹惠儿

ROC曲线怎么使用？

ROC曲线下的面积（AUC - ROC）这又是业界常用的指标之一。使用ROC曲线的最大优点是它与响应者的比例变化无关。在以下部分中，此声明将更加清晰。让我们首先尝试了解什么是ROC（接收器工作特性）曲线。如果我们看下面的混淆矩阵，我们观察到对于概率模型，我们得到每个度量的不同值。因此，对于每种敏感性，我们得到不同的特异性。两者的变化如下： ROC曲线是灵敏度和（1-

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

Excel分列的使用

1、拆分多列【选中需要拆分的数据】--【数据】--【分列】在弹出的文本分列向导对话框中主要分两部分，第一部分是分隔符，第二部分是预览。在分隔符中，有常用的几个分隔符：Tab、分号、逗号、空格，符号需要在英文状态下输入。最后一个是其他，需要注意的是，只能输入一个字符。第二部分是预览，当选中相应的分隔符后就可以在下方预览区显示正确的分割。 2、规范日期格式【选中需要拆

0.0000

0

2

0

关注作者

收藏

詹惠儿

Kolomogorov Smirnov图表

KS或Kolmogorov-Smirnov图表测量分类模型的性能。更准确地说，KS是衡量正负分布之间分离程度的指标。如果分数将人口分成两个独立的组，其中一组包含所有正数而另一组包含所有负数，则KS为100。另一方面，如果模型不能区分正面和负面，那么就好像模型从总体中随机选择案例。KS将为0.在大多数分类模型中，KS将介于0和100之间，并且值越高，模型在分离正面和负面情况时越好。对于手头的情况

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

基于代价函数的分类器决策控制

我们可以基于该代价矩阵计算其总代价：TP*0 FN*1 FP*1 TN*0。接下来我们考虑下面的第二张表，基于该代价矩阵的分类代价的计算公式为： TP*(-5) FN*1 FP*50 TN*0。采用第二张表作为代价矩阵时，两种分类错误的代价是不一样的。类似地，这两种正确分类所得到的收益也不一样。如果在构建分类器时，知道了这些代价值，那么就可以选择付出最小代价的分类器。在分类算法中，我们有

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何区分增益和提升图表（二）

在第一个十分位数中我们可以达到的最大升力是多少？从本文的第一个表中，我们知道响应者的总数是3850.第一个十分位数将包含543个观测值。因此，第一个十分位数的最大升力可能是543 / 3850~14.1％。因此，我们对此模型非常接近完美。现在让我们绘制升力曲线。提升曲线是总升力与％人口之间的关系曲线。请注意，对于随机模型，它始终保持100％不变。以下是手头案例的情节：您还可以使用十

0.0000

0

7

0

关注作者

收藏

啊啊啊啊啊吖

处理非均衡问题的数据抽样方法

另外一种针对非均衡问题调节分类器的方法，就是对分类器的训练数据进行改造。这可以通过欠抽样（undersampling）或者过抽样（oversampling）来实现。过抽样意味着复制样例，而欠抽样意味着删除样例。不管采用哪种方式，数据都会从原始形式改造为新形式。抽样过程则可以通过随机方式或者某个预定方式来实现。通常也会存在某个罕见的类别需要我们来识别，比如在信用卡欺诈当中。如前所述，正例类

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

回归的一般方法

(1) 收集数据：采用任意方法收集数据。(2) 准备数据：回归需要数值型数据，标称型数据将被转成二值型数据。(3) 分析数据：绘出数据的可视化二维图将有助于对数据做出理解和分析，在采用缩减法求得新回归系数之后，可以将新拟合线绘在图上作为对比。(4) 训练算法：找到回归系数。(5) 测试算法：使用R2或者预测值和数据的拟合度，来分析模型的效果。(6) 使用算法：使用回归，可以在

0.0000

0

2

0

关注作者

收藏

<1…270271272…341>

CDA考试动态

CDA报考指南