99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄

dreamhappy2012

什么是k近鄰算法？

問、什么是k近鄰算法？答：k近鄰算法簡單、直觀．給定一個訓(xùn)練數(shù)據(jù)集，對新的輸入實例，在訓(xùn)練數(shù)據(jù)集中找到與該實例最鄰近的K個實例，這k個實例的多數(shù)屬于某個類，就把該輸入實例分為這個類．輸入：訓(xùn)練數(shù)據(jù)集其中，為實例的特征向足，為實例的類別， i= 1,2, .. ,N, 實例特征向量x,輸出：實例x所屬的類y.（1）根據(jù)給定的距離度量，在訓(xùn)練集T中找出與x最

0.0000

0

6

0

關(guān)注作者

收藏

dreamhappy2012

監(jiān)督學(xué)習(xí)介紹：

問、監(jiān)督學(xué)習(xí)介紹：答：從給定有限的訓(xùn)練數(shù)據(jù)出發(fā)，假設(shè)數(shù)據(jù)是獨立同分布的，而且假設(shè)模型屬于某個假設(shè)空間，應(yīng)用某一評價準(zhǔn)則，從假設(shè)空間中選取一個最優(yōu)的模型，使它對已給訓(xùn)練數(shù)據(jù)及未知測試數(shù)據(jù)在給定評價標(biāo)準(zhǔn)意義下有最準(zhǔn)確的預(yù)測，

0.0000

0

2

0

關(guān)注作者

收藏

dreamhappy2012

統(tǒng)計學(xué)習(xí)常用的損失函數(shù)有哪幾種？

問、統(tǒng)計學(xué)習(xí)常用的損失函數(shù)有哪幾種？答：（1）損失函數(shù) (0-1 loss function) （2）平方損失函數(shù) （3）絕對損失函數(shù) （4）對數(shù)損失函數(shù) (logarithmic loss function) 或?qū)?shù)似然損失函數(shù) (log-likelihood loss function) 失函數(shù)值越小，模型就越好由于模型的輸入、輸出(X,Y)

24.8917

1

3

0

關(guān)注作者

收藏

dreamhappy2012

問卷調(diào)查法與德爾菲法有什么不同？

問、問卷調(diào)查法與德爾菲法有什么不同？答：德爾菲的實施程序　　1、向團(tuán)隊成員發(fā)出第一份初始調(diào)查表,收集參與者對于某一話題的觀點；（注：德爾菲法中的調(diào)查表與通常的調(diào)查表有所不同,通常的調(diào)查表只向被調(diào)查者提出問題,要求回答,而德爾菲法的調(diào)查表不僅提出問題,還兼有向被調(diào)查者提供信息的責(zé)任,它是團(tuán)隊成員交流思想的工具.）　　2、向團(tuán)隊成員發(fā)出第二份調(diào)查表（列有其他人意見）,要求其根據(jù)幾個具體標(biāo)準(zhǔn)對其

0.0000

0

2

0

關(guān)注作者

收藏

dreamhappy2012

測量問卷必須要進(jìn)行信效度分析嗎？

信度和效度分析是問卷分析的第一步，也是檢驗該問卷是否合格的標(biāo)準(zhǔn)之一，所以，我們在做問卷調(diào)查的時候第一步就要進(jìn)行信度和效度的分析，才能確保我們的問卷有意義。信度即可靠性，是指使用相同指標(biāo)或測量工具重復(fù)測量相同事物時，得到相同結(jié)果的一致性程度。一個好的測量工具，其結(jié)果應(yīng)該始終保持不變才可信。效度即有效性，是衡量綜合評價體系是否能夠準(zhǔn)確反映評價目的和要求。是指測量工具能夠測出其所要測量的特征的正確性

24.8917

1

2

0

關(guān)注作者

收藏

dreamhappy2012

回歸分析是分析因果關(guān)系嗎？

問、回歸分析是分析因果關(guān)系嗎？答：因果關(guān)系需要經(jīng)濟(jì)理論或經(jīng)濟(jì)生活常識，回歸分析只能檢驗前面說的因果關(guān)系是否統(tǒng)計顯著，不能直接證明因果關(guān)系。

0.0000

1

3

0

關(guān)注作者

收藏

朝陽Tim

異常值、缺失值處理的常見思路？

問題描述：當(dāng)我們在處理數(shù)據(jù)的時候，特別是某個字段的連續(xù)變量，如果存在異常值，例如極大值或極小值，會對模型產(chǎn)生較大影響，一般有哪些處理思路呢？又如何處理缺失值？解決思路：對于異常值，可以直接剔除，也可以用平均值填補(bǔ)，極大值、極小值可以采用蓋帽法（99%分位點、1%分位點）填充；spss中常用箱線圖來觀察，劃出離群點并進(jìn)行異常值處理對于缺失值，可以用平均值、眾數(shù)進(jìn)行填補(bǔ)，填補(bǔ)依據(jù)要結(jié)合業(yè)

6.0239

1

2

0

關(guān)注作者

收藏

朝陽Tim

定距變量和定比變量的區(qū)別與聯(lián)系？

問題描述：當(dāng)我們在描述定距變量和定比變量的時候，如何理解它們之間的差別呢？解決思路：變量的層次，對應(yīng)著運算功能，例如分類的可以做“=”、“!=”，順序的在這基礎(chǔ)上還可以做“>”、“

12.8646

2

5

0

關(guān)注作者

收藏

朝陽Tim

聚類和分類有什么區(qū)別與聯(lián)系？

問題描述：聚類（clustering）和分類（classification）有什么區(qū)別與聯(lián)系呢？各自的適用場景是什么？思路辨析：聚類是因人設(shè)崗，分類是因崗設(shè)人，區(qū)別就在于有沒有分類的標(biāo)準(zhǔn)常見的聚類算法有k-means、系統(tǒng)聚類、二階聚類等，適合做用戶畫像常見的分類算法有支持向量機(jī)、貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)等等，適合做分類預(yù)測

6.0239

1

3

0

關(guān)注作者

收藏

朝陽Tim

控制變量和調(diào)節(jié)變量是一回事嗎？

問題描述：在做變量設(shè)計的時候，常常遇到控制變量和調(diào)節(jié)變量概念拎不清的情況，例如人口特征，在研究因自變量關(guān)系時候是作為控制變量，還是調(diào)節(jié)變量呢？思路辨析：兩者在數(shù)學(xué)上是一回事，但是解釋角度不同控制變量是指和研究目標(biāo)無關(guān)的信息，為了防止影響因自變量而排出的非研究影響調(diào)節(jié)變量是確定因果變量的邊界條件，是為了證明它對因自變量的干擾而存在而人口特征，如果不是特定研究的問題，一般視作控制變量

0.0000

0

3

0

關(guān)注作者

收藏

PGC123

二元變量相關(guān)系數(shù)是啥？

二元變量的相關(guān)分析計算得到的是兩個變量之間的相關(guān)系數(shù)。具體而言，兩個定距和定比變量間的相關(guān)性用Pearson（皮爾遜）相關(guān)系數(shù)來判定，這是參數(shù)檢驗的方法；兩個定序或定類變量間的相關(guān)性用Spearman等級相關(guān)系數(shù)和Kendall’s tau-b等級相關(guān)系數(shù)來判定，這兩種方法屬于非參數(shù)檢驗。Pearson簡單相關(guān)系數(shù)皮爾遜簡單相關(guān)，也稱積差相關(guān)。是以英國統(tǒng)計學(xué)家皮爾遜的名字命名的計算線性相關(guān)的方

0.0000

0

2

0

關(guān)注作者

收藏

PGC123

偏度是用來干啥的？

偏度用來刻畫偏態(tài)的程度。偏態(tài)有兩種情況：一種是如圖所示（左邊）的左偏，該變量在負(fù)的方向部分嚴(yán)重拖尾；另一種是如圖所示（右邊）的右偏，在正的方向部分嚴(yán)重拖尾。在實際經(jīng)濟(jì)和商業(yè)數(shù)據(jù)分析中，右偏是比較普遍的狀態(tài)。比如，地區(qū)的居民收入、客戶購買產(chǎn)品的數(shù)量、金額和保險理賠額。a

11.0007

1

2

0

關(guān)注作者

收藏

PGC123

缺失數(shù)據(jù)處理的方法是什么？

缺失數(shù)據(jù)處理的方法是什么？1）準(zhǔn)備提供所有可疑數(shù)據(jù)信息的驗證報告。它應(yīng)該提供信息，如失敗的驗證標(biāo)準(zhǔn)以及發(fā)生的日期和時間2）檢查可疑數(shù)據(jù)以確定其可接受性3）應(yīng)該找出無效數(shù)據(jù)并用驗證碼替換4）對缺失數(shù)據(jù)進(jìn)行處理，使用最佳分析策略，如刪除，單一插補(bǔ)方法，基于模型的方法等。

0.0000

0

1

0

關(guān)注作者

收藏

PGC123

類別性數(shù)據(jù)的相關(guān)性分析

分類數(shù)據(jù)是只能歸于某一類別的非數(shù)字型數(shù)據(jù)，它是對事物進(jìn)行分類的結(jié)果，數(shù)據(jù)表現(xiàn)為類別，用文字來表述的。對分類數(shù)據(jù)的頻數(shù)檢驗的方法可以用a檢驗來表示。公式如下：a根據(jù)分類變量的數(shù)量可以分為擬合優(yōu)度檢驗和獨立性檢驗。擬合優(yōu)度檢驗是對一個分類變量的檢驗，獨立性檢驗是對兩個分類變量的檢驗。通過以上檢驗，檢驗數(shù)據(jù)是否具有相關(guān)性。

11.0007

1

5

0

關(guān)注作者

收藏

PGC123

數(shù)據(jù)歸一化標(biāo)準(zhǔn)化的優(yōu)點是什么?

數(shù)據(jù)歸一化標(biāo)準(zhǔn)化的優(yōu)點是什么?答：將數(shù)據(jù)變?yōu)橐粋€特定范圍內(nèi)的的數(shù)值，如映射到[0,1]，方便數(shù)據(jù)處理和使用；將有量綱表達(dá)式，變?yōu)闊o量綱表達(dá)式，成為一個純量；可以提升模型的迭代速度；可以提升模型的精度，比如在計算歐式距離時，x維度的取值范圍遠(yuǎn)遠(yuǎn)大于y維度時，容易造成精度的損失。因此，為了提高結(jié)果的準(zhǔn)確性和可靠性，需要對原始指標(biāo)數(shù)據(jù)進(jìn)行歸一化/標(biāo)準(zhǔn)化處理。

0.0000

0

2

0

關(guān)注作者

收藏

dreamhappy2012

什么是假設(shè)檢驗中的顯著性水平？統(tǒng)計顯著是什么意思？

問、什么是假設(shè)檢驗中的顯著性水平？統(tǒng)計顯著是什么意思？答：顯著性水平是指當(dāng)原假設(shè)正確時卻被拒絕的概率和風(fēng)險，統(tǒng)計限制等價拒絕??0，指求出的值落在小概率的區(qū)間上，一般是落在 0.05 或比 0.05 更小的顯著性水平上。

68.1073

1

2

0

關(guān)注作者

收藏

dreamhappy2012

計算??2分統(tǒng)計量的步驟是什么？

問、計算??2分統(tǒng)計量的步驟是什么？若用??0表示觀察值頻數(shù)，用????表示期望值頻數(shù)，??2統(tǒng)計量可表示為??2 = ∑(??0 ? ????)2/??0步驟一：計算??0 ? ????步驟二：計算(??0 ? ????)2步驟三：計算(??0 ? ????)2/??0步驟四：計算??2 = ∑(??0 ? ????)2/??0

0.0000

0

1

0

關(guān)注作者

收藏

dreamhappy2012

列聯(lián)表的構(gòu)造與列聯(lián)表的分布是怎么樣的？

問、列聯(lián)表的構(gòu)造與列聯(lián)表的分布是怎么樣的？構(gòu)造：列聯(lián)表是由連個以上的變量進(jìn)行交叉分類的頻數(shù)分布表。分布：列聯(lián)表的分布可以從兩個方面看：一個是觀察值的分布，一個是期望值的分布。觀察值：條件頻數(shù)、行邊緣頻數(shù)、列邊緣頻數(shù)、百分比。期望值分布：根據(jù)比例求出的各個變量的期望值，一般情況下，任何一個單元中頻數(shù)的期望值：其中，????為給定單元格所在行的合計，????為給定單元格所在列的合計，

0.0000

0

0

0

關(guān)注作者

收藏

dreamhappy2012

在單側(cè)檢驗中原假設(shè)和備擇假設(shè)的方向應(yīng)該如何確定？

問、在單側(cè)檢驗中原假設(shè)和備擇假設(shè)的方向應(yīng)該如何確定？答：將研究者想要收集證據(jù)予以支持的假設(shè)作為備擇假設(shè)??1，將研究者想要收集證據(jù)證明其不正確的假設(shè)作為原假設(shè)??0。先確立備擇假設(shè)??1，備擇假設(shè)方向與想要證明其正確性的方向一致。原假設(shè)與備擇假設(shè)是互斥的，等號總在原假設(shè)上。

0.0000

0

4

0

關(guān)注作者

收藏

dreamhappy2012

顯著性水平與 P值有何區(qū)別？

問、顯著性水平與 P值有何區(qū)別？答：顯著性水平是原假設(shè)為真時，拒絕原假設(shè)的概率，是一個概率值，被稱為抽樣分布的拒絕域，大小由研究者事先確定；而 P值是原假設(shè)為真時所得到的樣本觀察結(jié)果或更極端結(jié)果出現(xiàn)的概率，被稱為觀察到的顯著性水平。

0.0000

0

5

0

關(guān)注作者

收藏

<1…363738…55>

CDA考試動態(tài)

考試內(nèi)容

CDA報考指南

聯(lián)系我們

<pre id="2vyy4"><dfn id="2vyy4"><thead id="2vyy4"></thead></dfn></pre>