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

kejiayuan0806

R中的路径设置

1、使用getwd()函数来显示当前工作目录。> getwd() [1] "C:/Users/Administrator/Documents"2、使用setwd()函数更改当前目录。> dir.create("E:/R_Files") > setwd("E:/R_Files") > getwd() [1] "E:/R_Files"注意： (1) 函数setwd()不会自动创

0.0000

0

2

0

关注作者

收藏

809669515

python网络爬虫 - 如何伪装逃过反爬虫程序

有的时候，我们本来写得好好的爬虫代码，之前还运行得Ok, 一下子突然报错了。报错信息如下：Http 800 Internal internet error这是因为你的对象网站设置了反爬虫程序，如果用现有的爬虫代码，会被拒绝。之前正常的爬虫代码如下：from urllib.request import urlopen ... html = urlopen(scrapeUrl) bs

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

R语言中mode(模式)和class(类)有何区别

mode 是比较旧的版本，typeof 是更新的、也是更细的一种形式，当想看粗类别时，就用mode,看细类别用typeof。class()给出的是基于面向对象的R的类型划分。> gl(2,5) #新建一个因子[1] 1 1 1 1 1 2 2 2 2 2Levels: 1 2> class(gl(2,5)) #查看变量的类，显示为因子；[1] "factor"> mode(gl(

0.0000

0

8

0

关注作者

收藏

kejiayuan0806

余弦相似度越高越相似吗

问题描述协同过滤算法中计算相似度时，余弦相似度越高越相似吗？解答余弦相似度是通过计算两个向量的夹角余弦值来评估他们的相似度。余弦相似度将向量根据坐标值，绘制到向量空间中，求得他们的夹角，并得出夹角对应的余弦值，此余弦值就可以用来表征，这两个向量的相似性。夹角越小，余弦值越接近于1，它们的方向更加吻合，则越相似。余弦值的范围在[-1,1]之间，值越趋近于1，代表两个向量的方向越接近；越趋近于

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

问题描述MySQL中表aa中有学生编号、课程编号、考试成绩三个字段，如何查询选一门以上课程的同学中分数为非最高分的成绩的记录。解决方法SELECT * FROM aaWHERE sno IN (SELECT sno FROM aa GROUP BY sno HAVING COUNT(cno) > 1) AND degree

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

关联规则中支持度、置信度的相关概念

问题描述关联规则中，支持度是对项集的限制，置信度是对规则的，这个怎么理解呢？解答支持度表示项集{X,Y}在总项集里出现的概率，用来度量一个项集的出现频率。置信度表示在先决条件X发生的情况下，由关联规则“X→Y”推出Y的概率，用来度量一个关联规则的强弱。所以我们设置的最小支持度是对项集的限制，最小置信度是对规则的限制，表示我们只对某些项集和规则感兴趣。

0.0000

0

4

0

关注作者

收藏

291294878

如何建立规则的分类器？

建立规则的分类器：（1）顺序覆盖。直接从数据中提取规则，规则基于某种评估度量以贪心的方式增长，该算法从包含多个类的数据集中一次提取一个类的规则。在提取规则时，类y的所有训练记录被看作是正例，而其他类的训练记录则被看作反例。如果一个规则覆盖大多数正例，没有或仅覆盖极少数反例，那么该规则是可取的。一旦找到这样的规则，就删掉它所覆盖的训练记录，并把新规则追加到决策表R的尾部（规则增长策略：从一般到特

2.4134

1

2

0

关注作者

收藏

291294878

怎么处理决策树中的过拟合问题？

处理决策树中的过分拟合：A)：先剪枝（提前终止规则）：当观察到的不纯性度量的增益（或估计的泛化误差的改进）低于某个确定的阈值时就停止扩展叶节点。B)：初始决策树按照最大规模生长，然后进行剪枝的步骤，按照自底向上的方式修剪完全增长的决策树。修剪有两种方法：（1）用新的叶节点替换子树，该叶节点的类标号由子树下记录中的多数类确定；（2）用子树中常见的分支替代子树。当模型不能再改进时终止剪枝步骤。

2.4134

1

4

0

关注作者

收藏

291294878

泛化误差估计分类有哪些？

泛化误差的估计：（1）乐观估计（决策树归纳算法简单的选择产生最低训练误差的模型作为最终的模型）（2）悲观误差估计（使用训练误差与模型复杂度罚项的和计算泛化误差）（3）最小描述长度原则（模型编码的开销加上误分类记录编码的开销）（4）估计统计上界（泛化误差可以用训练误差的统计修正来估计，因为泛化误差倾向于比训练误差大，所以统计修正通常是计算训练误差的上界）（5）使用确认集（如2/3的训练集

0.0000

0

1

0

关注作者

收藏

291294878

过拟合问题原因有哪些？

过分拟合问题：造成原因有：（1）噪声造成的过分拟合（因为它拟合了误标记的训练记录，导致了对检验集中记录的误分类）；（2）根据少量训练记录做出分类决策的模型也容易受过分拟合的影响。（由于训练数据缺乏具有代表性的样本，在没有多少训练记录的情况下，学习算法仍然继续细化模型就会产生这样的模型，当决策树的叶节点没有足够的代表性样本时，很可能做出错误的预测）（3）多重比较也可能会导致过分拟合（大量的候

0.0000

0

1

0

关注作者

收藏

291294878

where与having的区别有哪些？

1、聚合函数是比较where,having的关键。where 后不能跟聚合函数，where执行顺序大于聚合函数，这时只能用having。执行顺序：on>where>聚合函数(sum,min,max,avg,count)>having2、where 子句在分组之前过滤数据，where过滤指定的是行而不是分组(where后条件是行)，select操作符常作为where的限制条件；having 子句

0.0000

0

2

0

关注作者

收藏

291294878

简单理解时间序列

时间序列：同一现象在不同时间的相继观察值排列而成的序列。（1）、分为平稳序列和非平稳序列两大类。平稳序列：基本上不存在趋势的序列，各观察值在某个固定水平上随机波动，没有规律。非平稳序列：包含趋势、季节性和周期性的序列，可能包含一种也可包含多种。（2）、平滑预测法：对于不含趋势和不含季节成分的时间序列，即平稳时间序列只含随机成分，只要通过平滑就可以消除波动；趋势预测法：对于只含有

0.0000

0

2

0

关注作者

收藏

291294878

点估计、区间估计、假设检验的区别于联系？

点估计：基于某一准则构造N个随机样本（简称样本）的估计统计量（简称估计量）来估计某一总体未知参数。将样本值代入估计量可计算得到未知参数的估计值。点估计虽然直接给出未知参数的估计值，但是未给出估计值的可靠程度，即未知参数的真实值可能偏离估计值的程度。区间估计：给定置信水平，根据估计值(点估计的值)确定真实值可能出现的区间范围，该区间通常以估计值为中心。是点估计的拓展，为了说明点估计结果的可靠程度

0.0000

0

3

0

关注作者

收藏

291294878

参数估计问题

参数估计：1）、参数估计问题：总体的分布函数形式已知，但它的一个或多个参数未知，借助总体的样本来估计总体的参数问题。2）、估计量：一个样本参数n个向量X为总体参数的估计量，估计值：每一行记录为总体参数估计值3）、点估计：是利用样本数据对未知参数进行估计得到的是一个具体的数据；常用的点估计的方法有：矩估计法与极大似然估计法。4）、估计量的评选标准：无偏性：估计量的参数数学期望E

0.0000

0

3

0

关注作者

收藏

291294878

怎么解释随机事件与概率？

1）、随机试验：进行一次实验之前不能确定哪一个结果会出现（不确定性），需要注意的是试验要求在相同条件下可以重复。基本事件：由一个样本点组成的单点集。独立事件：P(AB)=P(A)P(B) 必然事件、不可能事件、积事件(交集)、差事件、对立事件2）、古典概型：试验的样本空间包含有限个元素；每个基本事件发生的可能性相等。P(a)=k/n 几何概率：试验的样本点有无限多个

0.0000

0

4

0

关注作者

收藏

291294878

如何创建计算字段？

在创建数据库表的时候，往往为了数据库的各种性能，我们需要将字段拆分或者按照特定的类型存储。而在读取数据库的时候，检索出来的数据往往不是我们直接需要使用的数据。举几个例子： a、我们在存储省市区和街道信息时候会将他们单独分别存储在不同的列，而我们读取时候需要完整地址信息 b、订单表中，我们存储单价和购买数量。但是，读取信息往往需要用户所有付款金额 c、我们存储进数据库的所有单

0.0000

0

2

0

关注作者

收藏

291294878

mysql创建索引有哪些？

>>用于数据比较多的时候；唯一性；会随数据增加而变化创建表时创建索引语法：create table 表名（属性名数据类型 [完整性约束条件], ............. [unique | fulltext | spatial]index | key[别名](属性名 1[(长度)] [asc | desc])）1、创建普通索引>>create table index1(id int,n

0.0000

0

2

0

关注作者

收藏

291294878

mysql的常用函数有哪些？

1、聚合函数：sum,min,max,avg,count>>遍历并运行/汇总数据，计算并返回一个值。聚合group by后面的2、数学函数：abs(x),log(x,y),mod(x,y),rand(),round(x,y),sqrt(x)3、字符串函数：concat(a,b,...),len(str)，select insert('12345',1,3,'abc') -abc45，sele

0.0000

0

3

0

关注作者

收藏

291294878

mysql联结方式？

多表查询中：>>where的等值联结和内联结一样；子查询也可以等效；on建立联结关系，where筛选内联结：select * from A inner join B on A.Key = B.Key;左联结：select * from A left join B on A.Key = B.Key;右联结：select * from A right join

0.0000

0

2

0

关注作者

收藏

291294878

什么是子查询？

写在()中，把内层查询结果当做外层查询参照的数据表来用,不能和父查询一样的表，一个表多as几次select * from fruits where f_id in(select f_id from fruits where f_price between 10 and 20);a、子查询总是从内向外进行处理，实际上DBMS处理了两个操作。可以from不同的tables。b、作为子查询的sel

0.0000

0

3

0

关注作者

收藏

<1…329330331…340>

CDA考试动态

CDA报考指南