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

291294878

决策树的特性？

决策树基于树结构进行决策，与人类在面临问题的时候处理机制十分类似。其特点在于需要选择一个属性进行分支，在分支的过程中选择信息增益最大的属性。在划分中我们希望决策树的分支节点所包含的样本属于同一类别，即节点的纯度越来越高。决策树计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征，但是容易过拟合，需要使用剪枝或者随机森林。信息增益是熵减去条件熵，代表信息不确定性较少的程度

0.0000

0

3

0

关注作者

收藏

291294878

SVM 的推导，特性？多分类怎么处理？

SVM是最大间隔分类器从线性可分情况下，原问题，特征转换后的dual问题，引入kernel(线性kernel,多项式，高斯),最后是soft margin。线性：简单，速度快，但是需要线性可分多项式：比线性核拟合程度更强，知道具体的维度，但是高次容易出现数值不稳定，参数选择比较多。高斯：拟合能力最强，但是要注意过拟合问题。不过只有一个参数需要调整。多分类问题，一般将二分类推广到多分类

0.0000

0

3

0

关注作者

收藏

wangjuju123

python错误解析（六）

代码如下:class Super: def method(self): print "Super's method" class Sub(Super): def method(self): print "Sub's method" Super.method() print "Over

0.0000

0

1

0

关注作者

收藏

wangjuju123

python错误解析（五）

代码如下:bad = 'bad' try: raise bad except bad: print 'Got Bad!' 错误: Traceback (most recent call last): File "D:\Learn\Python\Learn.py", line 4, in raise bad

0.0000

0

5

0

关注作者

收藏

wangjuju123

python错误解析（四）

代码如下:>>> print r'C:\Program Files\foo\bar\' SyntaxError: EOL while scanning string literal 【错误分析】Python中原始字符串以r开头，里面可以放置任意原始字符，包括\，包含在字符中的\不做转义。但是，不能放在末尾！也就是说，最后一个字符不能是\，如果真需要的话，可以这样写:复制代码代

0.0000

0

2

0

关注作者

收藏

wangjuju123

python错误解析（三）

代码如下:>>> seq = [1, 2, 3, 4] >>> sep = ' ' >>> sep.join(seq) Traceback (most recent call last): File "", line 1, in sep.join(seq) TypeError: sequence item 0:

0.0000

0

1

0

关注作者

收藏

wangjuju123

python错误解析（二）

代码如下:>>> from math import sqrt >>> exec "sqrt = 1" >>> sqrt(4) Traceback (most recent call last): File "", line 1, in sqrt(4) TypeError: 'int' object is not

0.0000

0

1

0

关注作者

收藏

wangjuju123

python错误解析（一）

>>> D1 = {'x':1, 'y':2} >>> D1['x'] 1 >>> D1['z'] Traceback (most recent call last): File "", line 1, in D1['z'] KeyError: 'z' 【错误分析】这是Python中字典键错误的提示，如

0.0000

0

4

0

关注作者

收藏

旧人拾荒

小白成长为数据分析师需要读哪些书？

本人刚刚入行数据分析，有简单的python基础，想要继续深入学习数据分析的各种技能，发现市面上相关书籍鱼龙混杂。各位大佬能否分享学习书单？

0.0000

0

5

0

关注作者

收藏

809669515

使用python创建RFM模型

RFM是客户分析及衡量客户价值的重要模型之一，其中的R表示最近一次消费(Recency)，F表示消费频率(Frequency)，M表示消费金额(Monetary)。依据这三个指标RFM可以将客户动态分组，并进一步指导客户运营的下一步工作。本篇文章使用python的聚类算法创建一个粗糙的RFM模型。 1. 开始前的准备工作首先是开始前的准备工作，这里除了常用的numpy和pandas以外，

96.2725

3

1

0

关注作者

收藏

809669515

RFM模型分析

会员的价值体现在持续不断的为企业带来稳定的销售和利润，同时也为企业策略的制定提供数据支持。所以零售企业总是想尽一切办法去吸引更多的人成为会员，并且尽可能提高他们的忠诚度。忠诚度高的顾客表现为经常光顾购买，有较高的价格忍耐度，愿意支付更高的价格，也愿意向其他人推荐，对品牌满意度较高等。会员忠诚度高不一定会员价值就高，还得看他的实际消费金额，也就是消费力。忠诚度高、消费力强的顾客才是企业最优质的会员顾

0.0000

0

2

0

关注作者

收藏

809669515

监督学习和无监督学习（通俗理解）

机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。在这里，主要理解一下监督学习和无监督学习。监督学习（supervised learning）从给定的训练数据集中学习出一个函数（模型参数），当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求包括输入输出，也可以说是特征和目标。训练集中的目标是由人标注的。监督学习就是最常见的分类（注意和

0.0000

0

3

0

关注作者

收藏

809669515

划分训练集、测试集的三种方法

一、为什么要分开训练集与测试集在机器学习中，我们是依靠对学习器的泛化误差进行评估的方法来选择学习器。具体方法如下：我们需要从训练集数据中产出学习器，再用测试集来测试所得学习器对新样本的判别能力，以测试集上的测试误差作为泛化误差的近似，来选取学习器。通常我们假设训练集、测试集都是从样本集中独立同分布采样得到，且测试集、训练集中的样本应该尽可能互斥（测试集中的样本尽量不在训练集中有出现、尽量不

0.0000

0

1

0

关注作者

收藏

wangjuju123

常见的聚类算法

1. K-Means(K均值)聚类算法步骤： (1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。 (2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 (3) 计算每一类中中心点作为新的中心点。 (4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可

57.9135

1

1

0

关注作者

收藏

809669515

机器学习中训练集，验证集，测试集比例配比

当数据量比较小时，可以使用 7 ：3 训练数据和测试数据(西瓜书中描述常见的做法是将大约 2/3 ~ 4/5 的样本数据用于训练，剩余样本用于测试）或者 6： 2 : 2 训练数据，验证数据和测试数据当数据量非常大时，可以使用 98 : 1 : 1 训练数据，验证数据和测试数据传统机器学习阶段（数据集在万这个数量级），一般分配比例为6：2：2而大数据时代，这个比例就不太适用

57.9135

1

0

0

关注作者

收藏

wangjuju123

忘记数据库密码怎么办？？

一、问题描述很多用户在安装mysql数据库时会忽略一个初使密码的弹窗或者设置了后面许久不用会忘记，从而在后面使用时需要密码又不记得时大部分人会选择重装。这里有一个不需要重装就可以重置密码的方法。二、方法描述在windows中 1、以系统管理员身份运行cmd 2、停止mysqlnet stop mysql.3、切换到MySQL安装路径下：D:\WAMP\MySQL-5.6.36\bin

57.9135

1

1

0

关注作者

收藏

kejiayuan0806

MySQL限制查询LIMIT的使用

LIMIT 子句可以被用于强制 SELECT 语句返回指定的记录数。语法：SELECT columns FROM table LIMIT [offset,] rows | rows OFFSET offset;LIMIT 接受一个或两个数字参数。参数必须是一个整数常量。1、第一个参数指定第一个返回记录行的偏移量2、第二个参数指定返回记录行的最大数目3、如果只给定一个参数，表示返回最大的

57.9135

1

2

0

关注作者

收藏

kejiayuan0806

MySQL中UNION联合查询

UNION联合查询要求1、由两条或两条以上SELECT语句组成，语句之间用UNION操作符分隔。2、每条SELECT语句必须包含相同的字段、表达式或聚集函数,各个字段不需要以相同的次序列出。3、字段的数据类型必须兼容：类型不必完全相同，但必须是DBMS可以隐含转换的类型，如不同的数值类型或不同的日期类型。 UNION操作符合并的结果集不会允许重复值，如果需要保留重复值，可以使用UNIO

57.9135

1

4

0

关注作者

收藏

kejiayuan0806

MySQL中WHERE与HAVING的区别

WHERE 子句作用于表和视图，HAVING 子句作用于组。两者显著的区别是WHERE子句条件查询的作用域是针对数据表进行操作，而HAVING条件查询则是对查询结果进行操作。WHERE在分组和聚集计算之前筛选行，而HAVING 在分组和聚集之后筛选分组的行。因此WHERE子句不能包含聚集函数，相反HAVING 子句总是包含聚集函数。（严格说来，也可以写不使用聚集的 HAVING 子句，但这种情

57.9135

1

2

0

关注作者

收藏

kejiayuan0806

如何处理分类中的训练数据集不均衡问题

什么是数据不均衡？在分类中，训练数据不均衡是指不同类别下的样本数目相差巨大。举两个例子：①在一个二分类问题中，训练集中class 1的样本数比上class 2的样本数的比值为60:1。使用逻辑回归进行分类，最后结果是其忽略了class 2，将所有的训练样本都分类为class 1。②在三分类问题中，三个类别分别为A，B，C，训练集中A类的样本占70%，B类的样本占25%，C类的样本占5%。最

0.0000

0

2

0

关注作者

收藏

<1…323324325…340>

CDA考试动态

CDA报考指南