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

s1223452840

?print()为什么没有显示print函数的说明文档?而显示 : Object `print()` not found.

答: 把print()后的括号()去掉即可, 如 ?print , 或者 print? 也就是 ? 后面只加函数名即可.

35.3504

8

0

0

关注作者

收藏

s1223452840

偏差,方差 ,和均方差的关系?

偏差：实际上也可以称为避免欠拟合 ✓ 寻找更好的特征 -- 具有代表性 ✓ 用更多的特征 -- 增大输入向量的维度。（增加模型复杂度）方差：避免过拟合 ✓ 增大数据集合 -- 使用更多的数据，噪声点比减少（减少数据扰动所造成的影响（紧扣定义） ✓ 减少数据特征 -- 减少数据维度，高维空间密度小（减少模型复杂度）均方差: 其实偏差和方差没有具体的数学表达式 , 均方差公式可以理解为既包含了

35.3268

7

3

0

关注作者

收藏

马敏11

Python 入门 - 标准输入输出

# 设置全部行输出from IPython.core.interactiveshell import InteractiveShellInteractiveShell.ast_node_interactivity = "all"再执行代码之前，先执行一遍上面的代码。上述代码表示，在输出结果时，以单元格为单位，令所有可以被输出的对象，依次进行输出python标准输出--print()函数打印hell

35.1346

3

1

0

关注作者

收藏

zzz778290113

模型如何根据样本的权重来进行调整：在更新样本权重之后，模型会通过更改自身模型的形状，更加小心的对待这些权重大的样本，从而达到这样一个效果！牺牲权重小的样本，尝试将权重大的样本预测正确。这时，模型会在每一次分类的情况下计算分类之后的误差率，选择误差率最小的分类结果adaboost在处理多分类问题时，可参考逻辑回归将多分类问题转化为二分类问题。如果存在样本不均衡的问题，那么可以在基分类器决策树中通过c

34.3725

3

6

0

关注作者

收藏

michelle.qin

【Python】字符串格式化之%s、%d、%f的使用

python之%s、%d、%f的使用【%s】#%s打印时结果是原字符串#%2s意思是字符串长度为2，当原字符串的长度超过2时，按原长度打印#%7s意思是字符串长度为7，当原字符串的长度小于7时，在原字符串左侧补空格，#%-7s意思是字符串长度为7，当原字符串的长度小于7时，在原字符串右侧补空格，#%.2s意思是截取字符串的前2个字符#%.7s意思是截取字符串的前7个字符，当原字符串长度小于7时，即

34.4982

4

1

0

关注作者

收藏

赵娜0418

编程相关的视频教程网站集锦

Tushar Roy : Algorithm and Data structure tutorial by an Indian Youtuber.Derek Banas : good quality tutorialsthenewboston : good but with too much talk as compared to actual contentmycodeschool : Data

35.3830

7

6

0

关注作者

收藏

赵娜0418

编程比赛网站集锦

WakaTime : leaderboards of coding metrics collected via editor pluginsHackerRankCodeforcestopcoderUVa Online Judge : hundreds of problems supporting multiple languages.HackerEarth – Programming challe

35.2362

5

3

0

关注作者

收藏

赵娜0418

编程语言中一些常用的英文单词词义

一、void：[vɔid] 空的main：[mein] 主要的class：[klɑ:s] 类system：['sistəm] 系统out：[aut] 出，外，输出print：[print ] 打印public['pʌblik] 公共的,公用的static['stætik] 静的;静态的;静止的oracle: [ˈɔ:rəkl] 甲骨文公司eclipse：[i'klips] java编程软件二、i

35.4218

6

4

0

关注作者

收藏

zzz778290113

支持向量机算法

svm算法：SVM本身是一个强分类器，他的目的是找到最优的超平面，SVM思想：找到一个超平面，如果可以使得最不确性样本最确性，可能就找到一个最优的超平面SVM这个算法很慢正确分类的点来说，几何间隔就是点到超平面的距离点到线的距离越小，几何间隔越小，确性度就越小损失函数就是最大化最小的几何间隔svm算法会强行不让分类点落在超平面上确信度的理解：1. 没有通过距离来描述确性度2. 通过几何间隔来描述确

31.3758

1

1

0

关注作者

收藏

s1223452840

假如你的课件在E盘，怎样拿jupyter notebook打开？

如图，打开jupyter notebook后，找不到文件路径。解决办法：1.在你要打开的文件，按shift + 鼠标右键，点击 “在此处打开power shell窗口”，打开后，敲 jupyter notebook就可以看到

37.4711

4

3

0

关注作者

收藏

赵娜0418

py文件和ipy文件异同

1. 相同点用Python语言编写的源代码文件，其文件后缀是 “.py” 或 “.ipynb”。用Python语言编写的源代码文件，其文件后缀是 “.py” 或 “.ipynb”。2. 区别.py：".py" 文件是标准的Python源代码文件，通常情况下，使用 “.py” 的python源代码文件。可以用Spyder编辑并运行.py文件。也可以用notepad++或者sublime免费的编辑器进

32.6237

6

6

0

关注作者

收藏

Dreaming2019

请教一下，今年二级建模考试的清洗思路

今年考试，数据中有130个字段，第一个任务是要清洗数据，提取数据，寻找字段进行分析，因为上课练习时数据质量和体量都比较小，所以想请教一下，面对这样的真实数据的第一步清洗工作的思路，或者解题步骤。主要困惑在：1.130个字段每一个字段都要进行缺失值填补吗？ 2.用什么方法判别需要纳入分析的字段。后120分钟.rar

32.4068

4

2

0

关注作者

收藏

s1223452840

Python转义字符的用法整理？

这是转义字符的用法整理

32.1296

4

2

0

关注作者

收藏

zzz778290113

特征筛选及PAC

特征筛选：当特征非常多的时候，可能存在冗余，特征越多，可能噪音越多，同时特征越多，模型效率越低，可以考虑进行特征筛选来去掉无效的信息，看看是否可以提高模型的准确度。既可以提升模型的泛化能力，也能够减少模型运行的时间特征筛选的方法，在对测试集进行筛选的时候，使用的是通过训练集训练之后的模型进行筛选在特征筛选的方法中，以下方法一到四的效果（单变量特征筛选方法）不如方法五和方法六的效果好方法一：方差过滤

32.2423

4

1

0

关注作者

收藏

Zzyh12

机器学习之决策树

决策树是一种基本的分类与回归方法,由结点和有向边组成,路径上内部结点的特征对应着规则条件,而叶节点的类对应规则的结论(互斥并完备)决策树预测过程:收集数据--准备数据--分析数据--训练算法--测试算法--使用算法决策树的构建:特征选择,决策树的生成,决策树的修剪特征选择的标准:信息增益(在划分数据集之后信息发生的变化,信息增益越高越好)构建决策树的方法:ID3,C4.5,CARTID3具体流程:

32.2423

4

2

0

关注作者

收藏

三角函数1

今日份数据分析分类及分析流程分享

今日份数据分析分类及分析流程分享

22.5918

6

4

0

关注作者

收藏

张敏玉

统计与数学思维导图

统计与数学思维导图

39.0372

5

1

0

关注作者

收藏

张敏玉

描述统计分析报告考试成绩案例

考试成绩分析报告（描述统计分析）对学生成绩进行排序，得到表1：表1 学生考试成绩排序表排序小 → 大小 ↓ 大3560727689466172768951637477925265747793536774789453687479955669748098587075859958717587——59727588—— （1）结合原始资料和表1数据，班级总人数n

22.6125

4

2

0

关注作者

收藏

张敏玉

描述统计分析

如何做描述统计分析（撰写一份数据描述统计分析报告）？五个角度：一.总体规模的描述——总量指标二.对比关系的描述——相对指标三.集中趋势的描述——平均指标四.离散程度的描述——变异指标五.分布形态的描述——偏态与峰态一.总体规模的描述——总量指标总量指标：反映在一定时间.空间条件下某种现象的总体规模、总水平或总成果的统计指标二.对比关系的描述——相对指标相对指标：又称“相对数”，是两个有相互

38.9464

4

0

0

关注作者

收藏

zzz778290113

数据无量纲化：作用：无量纲化可以加快求解速度（例如：逻辑回归、支持向量机、神经网络等）无量纲化可以帮我们提升模型的精度（例如K近邻、K-Means聚类）决策树和树的集成（随机森林、Adaboost）算法比较特殊，对决策树我们不需要无量纲化，决策树可以把任意数据都处理得很好无量纲化的两种方式：归一化：对异常值敏感（preprocessing.MinMaxScaler实现归一化，参数feature

22.5216

3

4

0

关注作者

收藏

<1…474849…341>

CDA考试动态

CDA报考指南