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

zxq997

如何利用jieba进行简单的分词？

jieba是python的第三方库，需要安装之后才能够导入。在导入成功后，代码就是一个简单的分词实例：import jiebatext_str='新华社东京28日电记者吴谷丰据日本共同社报道'text_str=text_str.strip()jieba.cut(text_str)result=list(jieba.cut(text_str))result=jieba.cut(text_

0.0000

0

1

0

关注作者

收藏

PGC123

python面向对象编程self的用法

在代码里面看到self,self的用法是啥？首先这个问题要从python面向对象的编程模式说起，这里有两个重要概念是类和对象类（英语：class）是一种面向对象计算机编程语言的构造，是创建对象的蓝图，描述了所创建的对象共同的属性和方法。对象是类的实例，类是对象的模板。类中的self类的方法与普通的函数只有一个特别的区别——它们必须有一个额外的第一个参数名称, 按照惯例它的名称是

0.0000

0

1

0

关注作者

收藏

zxq997

如何建立稀疏矩阵？

0.0000

0

7

0

关注作者

收藏

阿抽哥哥

如何理解面向对象编程？

面向对象是向现实世界模型的自然延伸，这是一种“万物皆对象”的编程思想。在现实生活中的任何物体都可以归为一类事物，而每一个个体都是一类事物的实例。面向对象的编程是以对象为中心，以消息为驱动，所以程序=对象消息。面向对象的编程的主要思想是把构成问题的各个事物分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描述一个事物在解决问题的过程中经历的步骤和行为。对象作为程序的基本单位，将程序和数据

0.0000

0

1

0

关注作者

收藏

zxq997

python常用的异常机制有哪些？

Python垃圾回收机制Python GC主要使用引用计数（reference counting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collection）以空间换时间的方法提高垃圾回收效率。1 引用计数PyObject是每个对象必有的内容，其中obrefcnt

140.6275

2

3

0

关注作者

收藏

zxq997

Python中如何捕获异常？

如果我们没有对异常进行任何预防，那么在程序执行的过程中发生异常，就会中断程序，调用python默认的异常处理器，并在终端输出异常信息。try...except...finally语句:当try语句执行时发生异常，回到try语句层，寻找后面是否有except语句。找到except语句后，会调用这个自定义的异常处理器。except将异常处理完毕后，程序继续往下执行。finally语句表示，无论异

0.0000

0

4

0

关注作者

收藏

阿抽哥哥

SPSS问题答疑

问：在用SPSS做聚类分析时得到的一组新的变量代表什么意思？答：这组新变量是用SPSS做聚类分析之后得到的聚类结果，图中把一部分数据分为了1类与3类了，而空值代表使用的自变量数据有缺失值，结果不能判断为哪类。

5.6893

1

1

0

关注作者

收藏

zxq997

构成时间数列的因素有哪些？

1、长期趋势（Secular Trends）由于某种根本原因的影响，客观现象在一个相当长的时间内所呈现出来的持续增加或持续减少的一种趋势和状态。例如：随着经济条件、医疗条件的发展，人口出生率有高于死亡率的趋势；随着劳动条件和手段的改善，劳动生产率有上升趋势等。2、季节趋势（Seasonal fluctuation）由于季节的转变而使时间数列发生周期性变化。这种周期性变化是以年为周期的可以预见

128.5712

1

4

0

关注作者

收藏

zxq997

什么是卡方分布？

定义：卡方统计量的抽样分布称为卡方分布，如果大小为n的所有可能的样本取自方差为σ2的正态分布总体，且对每一样本计算卡方统计量的特定值，则这些特定值将有一个称作卡方分布的连续概率分布（抽样分布）。卡方分布由一个特定的唯一的概率密度函数所定义，函数为：概率密度函数曲线如下，随着自由度的增加，曲线变成单峰的，且越来越对称。

0.0000

0

1

0

关注作者

收藏

PGC123

中括号里面加循环这是啥意思？

看网上代码的时候，像这种中括号里面出现循环啥意思？列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9,10]可以用list(range(1, 11))：但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循

0.0000

0

2

0

关注作者

收藏

zxq997

jupyter notebook怎么修改行间距？

首先，安装jupyterthemes，如下：然后，输入jt -t grade3 -lineh 300（默认为170，我这修改为300）最后对比一下：上下图（红框内）对比行间距明显。

128.5712

1

3

0

关注作者

收藏

PGC123

mysql如何设置数据库编码格式为UTF-8

1、修改MySql的配置文件MySql的配置文件在Windows下为my.ini，我电脑上的路径如下图所示，需要说明的一点ProgramData是系统文件夹，因此默认是隐藏的，如果找不到需要设置显示隐藏文件在Linux下的路径为 /etc/my.cnf 使用记事本打开配置文件，在 [mysqld] 标签下加上以下内容：default-character-set = utf8ch

0.0000

0

2

0

关注作者

收藏

zxq997

python中的常用快捷键的使用。

在使用jupyter notebook的时候，使用各种快捷键使得编程更加方便。合并单元格：shift M分割单元格：ctrl shift -列出行数：shift L补全库或者函数名称：tab查看函数的帮助：tab shift切换成code模式：Y切换成markdown形式：M新增上一个单元格：A新增下一个单元格：B

0.0000

0

5

0

关注作者

收藏

zxq997

excel中千分号‰和万分号‱的使用。

相信很多人都能在Excel中找到千分号和万分号。单击【插入】-【符号】在打开的对话框中，【字体】选择Lucida Sans Unicode，【子集】选择广义标点，如下图所示：但是，这样插入的符号是不能用于计算的。如果需要参与计算，我们可以用Substitute函数来协助完成。Substitute函数用于将字符串中部分字符串以新字符串替换，语法如下：SUBSTITUTE(te

0.0000

0

2

0

关注作者

收藏

291294878

过拟合问题

为什么会产生过拟合，有哪些方法可以预防或克服过拟合？一般在机器学习中，将学习器在训练集上的误差称为训练误差或者经验误差，在新样本上的误差称为泛化误差。显然我们希望得到泛化误差小的学习器，但是我们事先并不知道新样本，因此实际上往往努力使经验误差最小化。然而，当学习器将训练样本学的太好的时候，往往可能把训练样本自身的特点当做了潜在样本具有的一般性质。这样就会导致泛化性能下降，称之为过拟合，相反

0.0000

0

5

0

关注作者

收藏

291294878

如何进行特征选择？

特征选择是一个重要的数据预处理过程，主要有两个原因，首先在现实任务中我们会遇到维数灾难的问题(样本密度非常稀疏)，若能从中选择一部分特征，那么这个问题能大大缓解，另外就是去除不相关特征会降低学习任务的难度，增加模型的泛化能力。冗余特征指该特征包含的信息可以从其他特征中推演出来，但是这并不代表该冗余特征一定没有作用，例如在欠拟合的情况下也可以用过加入冗余特征，增加简单模型的复杂度。在理论上如果没

0.0000

0

5

0

关注作者

收藏

291294878

GBDT 和随机森林的区别？

随机森林采用的是bagging的思想，bagging又称为bootstrap aggreagation，通过在训练样本集中进行有放回的采样得到多个采样集，基于每个采样集训练出一个基学习器，再将基学习器结合。随机森林在对决策树进行bagging的基础上，在决策树的训练过程中引入了随机属性选择。传统决策树在选择划分属性的时候是在当前节点属性集合中选择最优属性，而随机森林则是对结点先随机选择包含k个

0.1902

1

5

0

关注作者

收藏

wangjuju123

python错误解析（七）

代码如下:>>> reload(sys) Traceback (most recent call last): File "", line 1, in NameError: name 'sys' is not defined 【错误分析】reload期望得到的是对象，所以该模块必须成功导入。在没导入模块前，不能重载.复制代码代码如下:

0.0000

0

4

0

关注作者

收藏

291294878

如何解决类别不平衡问题？

有些情况下训练集中的样本分布很不平衡，例如在肿瘤检测等问题中，正样本的个数往往非常的少。从线性分类器的角度，在用 y = wx b 对新样本进行分类的时候，事实上在用预测出的y值和一个y值进行比较，例如常常在y>0.5的时候判为正例，否则判为反例。几率y/1-y反映了正例可能性和反例可能性的比值，阈值0.5恰好表明分类器认为正反的可能性相同。在样本不均衡的情况下，应该是分类器的预测几率高

0.0000

0

1

0

关注作者

收藏

291294878

SVM、LR、决策树的对比？

SVM既可以用于分类问题，也可以用于回归问题，并且可以通过核函数快速的计算，LR实现简单，训练速度非常快，但是模型较为简单，决策树容易过拟合，需要进行剪枝等。从优化函数上看，soft margin的SVM用的是hinge loss,而带L2正则化的LR对应的是cross entropy loss，另外adaboost对应的是exponential loss。所以LR对远点敏感，但是SVM对

0.0000

0

2

0

关注作者

收藏

<1…322323324…340>

CDA考试动态

CDA报考指南