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

读童话的狼

解决Graphviz保存决策树出现中文乱码问题，保存为PDF、png格式

问题：Graphviz输出的决策树可视化图像在jupyter显示没有问题，但是保存为其他类型（PDF）文件时出现中文乱码原始代码feature_names= ['酒精','苹果酸','灰','灰的碱性','镁','总酚','类黄酮','非黄烷类酚类','花青素','颜色强度','色调','od280/od315稀释葡萄酒','脯氨酸']dot_data = tree.export_graphviz

25.7916

6

4

0

关注作者

收藏

yuechuchen

Dbscan属于什么聚类方法

DBSCAN是以密度为本的聚类算法：把某一个点附近的点分成一组，有别于知名度更高的K-Means，K-Means是基于距离的聚类算法，二者擅长的数据集不相同。

16.9498

1

4

0

关注作者

收藏

陈革007

5种鉴别图表优劣的准则：

一张好的图表应当n 精心设计、有助于洞察问题的实质n 使复杂的观点得到简明、确切、高效的阐述n 能在最短的时间内以最少的笔墨给读者提供最大量的信息n 是多维的n 表述数据的真实情况

28.8715

3

1

0

关注作者

收藏

陈革007

Excel: 一张好的图表应包括以下基本特征

n 显示数据n 让读者把注意力集中在图表的内容上，而不是制作图表的程序上n 避免歪曲n 强调数据之间的比较n 服务于一个明确的目的n 有对图表的统计描述和文字说明

28.7568

2

3

0

关注作者

收藏

yuechuchen

K-Means算法原理及改进

1.k-means原理：第一步选取K个点作为质心；第二步计算所有样本点到所有质心的距离；第三步，把这些距离进行排序，从中找出单个样本点距离最近的质心并把该样本点划分到最近质心所代表的类中；第四步，计算得出刚聚成的各簇的真正质心；第五步重新计算所有样本点到各个新质心的距离，依次重复上述过程知道最后无论怎样迭代，所有的质心和样本点归属的类都不再发生变动，或者达到设定的最大迭代次数或者每次质心变动的量

17.0367

2

2

0

关注作者

收藏

读童话的狼

如何用一行代码输出数据报告？

pandas_profiling基于pandas的DataFrame数据类型，可以简单快速地进行探索性数据分析。对于数据集的每一列，pandas_profiling会提供以下统计信息：1、概要：数据类型，唯一值，缺失值，内存大小2、分位数统计：最小值、最大值、中位数、Q1、Q3、最大值，值域，四分位3、描述性统计：均值、众数、标准差、绝对中位差、变异系数、峰值、偏度系数4、最频繁出现的值，直方图/

28.7494

4

1

0

关注作者

收藏

LXM21

安装目录插件

第一步：安装 jupyter_contrib_nbextensions pip install jupyter_contrib_nbextensions -i https://pypi.tuna.tsinghua.edu.cn/simple第二步：配置 nbextension jupyter contrib nbextension install --user第三步：启动jupyter

31.0968

3

3

0

关注作者

收藏

陈革007

数据分析流程---思维导图

来自助教老师早上的分享,加工成导图分享给大家

28.7870

3

2

0

关注作者

收藏

davidfnck

求pandas.concat用法详解

求pandas.concat用法详解。

27.3402

2

4

0

关注作者

收藏

davidfnck

pandas.merge的简单用法怎么用？

pandas.merge的简单用法怎么用？有小伙伴知道吗？

27.2615

1

2

0

关注作者

收藏

davidfnck

pandas.concat怎么用

关于pandas.concat用法详解，参考利用Python进行数据分析与pandas官网进行整理。pandas.merge参数列表如下图，其中只有objs是必须得参数，另外常用参数包括objs、axis、join、keys、ignore_index。1.pd.concat([df1,df2,df3]),默认axis=0，在0轴上合并。2.pd.concat([df1,df4],axis=1)–在

27.2615

1

2

0

关注作者

收藏

hujiahao

今日头条数据分析岗面试题分享

1.如果次日用户留存率下降了5%该怎么分析？首先采用“两层模型”分析：对用户进行细分，包括新老、渠道、活动、画像等多个维度，然后分别计算每个维度下不同用户的次日留存率。通过这种方法定位到导致留存率下降的用户群体是谁。对于目标群体次日留存下降问题，具体情况具体分析。具体分析可以采用“内部-外部”因素考虑，内部因素分为获客（渠道质量低、活动获取非目标用户）、满足需求（新功能改动引发某类用户不满）、提活

36.9722

7

2

0

关注作者

收藏

LXM21

编码的作用

编码是系统惟一识别每个、某个信息的依据编码是进行信息分类、校核、合计、检索的关键字编码可克服项目参差不齐的缺点，节省内存与外存空间编码是系统化、标准化、逻辑化的有效手段

28.3804

2

0

0

关注作者

收藏

LXM21

决策树— —显示中文情况

先将数据导出生成一个tree.dot的文件，特征显示为中文2.在graphviz-2.38的相应路径找到tree.dot文件，右键用Notepad++打开3.修改字体，加引号，只改这两处字体参数设置4.打开命令窗口5.执行下方两个代码：cd 路径（进入这个文件下）和dot -Tpng tree.dot -o test.png 生成png格式的图片6.找到相应的png图片打开，结果如下图所示

29.6958

2

3

0

关注作者

收藏

陈革007

机器学习: 决策树的剪枝策略及其优缺点

决策树的剪枝方法主要分为两大类：预剪枝和后剪枝两种。预剪枝：当最优分裂点对应的增益值为负值是停止分裂。它的优点是，计算时间上能保证最优；缺点则是将来的某个时刻也许能够获取更高的增益，也就是说它不能保证最优。后剪枝：将决策树增长到它的最大深度，递归的进行剪枝，剪去那些使得增益值为负值的叶子节点。它的优点是能够保证决策树最优；缺点是比预剪枝计算复杂度高很多。

22.7699

6

4

0

关注作者

收藏

陈革007

机器学习: 聚类什么是DBSCAN

DBSCAN是一种基于密度的空间聚类算法,它不需要定义簇的个数,而是将具有足够高密度的区域划分为簇,并在有噪声的数据中发现任意形状的簇,在此算法中将簇定义为密度相连的点的最大集合

27.4901

3

2

0

关注作者

收藏

梁韵莹

#拍一拍# 这是一则SQL作业讨论贴

目的：写的语法虽然答案出来了，但是总感觉语法重复点很多太冗余，看看各位大神有没有更简便的语法？题目：求2018年2-5月份，不同费率的放款笔数、放款金额、30天以上金额逾期率（剩余本金/放款金额）数据样式：我写的很长很长...的语法：鉴于这个题目是周一晚才公布参考答案，那讨论的截至日期就放到周日晚吧。

22.7130

3

8

0

关注作者

收藏

1530553748

MySQL——第五天作业打卡

001002.003.

22.3975

1

1

0

关注作者

收藏

Kevin66832

解决多重共线性之岭回归分析

岭回归岭回归分析（Ridge Regression）是一种改良的最小二乘法，其通过放弃最小二乘法的无偏性，以损失部分信息为代价来寻找效果稍差但回归系数更符合实际情况的模型方程。简单来说，岭回归是通过引入k个单位阵，使回归系数可以估计，得到的回归估计值要比简单线性回归系数更加稳定，也更加接近真实情况。虽然引入单位阵会导致信息丢失，但同时也换来回归模型的合理估计。分析步骤岭回归分析步骤共为2步：（1）

23.5988

3

1

0

关注作者

收藏

hujiahao

拉勾网数据分析师岗位分析

中期分享的PPT报告，分享出来，希望能帮到大家，大家可以留言给出意见

14.1692

2

4

0

关注作者

收藏

<1…616263…341>

CDA考试动态

CDA报考指南