社区
学无止境
学习打卡
帖子详情
码银
新星创作者: python技术领域
2023-03-13 22:02:25
描述数据的方法,包括描述数据中心趋势的方法如均值、中位数，描述数据的分散程度的方法如方差、标准差,以及数据的其他描述方法如散点图和参数化方法等
...全文
76
回复
打赏
收藏
描述数据的方法,包括描述数据中心趋势的方法如均值、中位数，描述数据的分散程度的方法如方差、标准差,以及数据的其他描述方法如散点图和参数化方法等
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
数据
挖掘(2.2)--
数据
预处理
文章介绍了
数据
分析中的关键概念，
包括
平
均值
、截断
均值
、加权平
均值
、
中位数
和众数等
描述
数据
中心
趋势
的
方法
，以及
方差
、
标准差
和正态分布来衡量
数据
分散
程度
。此外，还讨论了
数据
清洗的重要性，特别是处理缺失值和离群点的策略。
2024年最全
数据
挖掘(2，2024年最新简直无敌
本文介绍了全面的大
数据
学习资料，
包括
初级到高级的各种内容，覆盖95%以上知识点，涉及平
均值
、截断
均值
、加权平均、
中位数
、
描述
数据
分散
度的
方法
以及实战项目等，并承诺提供大厂面经、学习资源和持续更新。,
PCA降维算法原理与实战：从
方差
最大化到瑞士卷可视化
本文系统阐述PCA降维的核心思想——
方差
最大化，涵盖几何与代数视角、协
方差
矩阵特征值分解、
数据
标准化必要性；详解降维维度选择（碎石图与累计
方差
贡献率）、主成分解释
方法
及常见陷阱；通过鸢尾花与瑞士卷
数据
集的Python实战，展示PCA可视化、载荷分析与实际应用限制；并对比核PCA、稀疏PCA等变体，强调其在线性降维、去噪压缩与机器学习预处理中的关键作用。
【信息科学与工程学】【
数据
中心
】 第十九篇 MFU的优化提升
方法
02
本文系统阐述智算中心大模型训练中异构MFU（Model FLOPs Utilization）的分析与优化全流程，涵盖计算、内存、通信三大优化维度，结合扇入/扇出建模、闭环控制系统设计及多类数学方程体系（线性/非线性/微分/拓扑/优化等），支撑分布式训练效率提升。重点
包括
MFU测量环节、任务序列流程、监控调优机制及GPT-3等实际案例验证，目标是最大化硬件利用率与训练吞吐效率。
多层模型实战指南：破解嵌套
数据
中的真实因果关系
本文系统讲解多层模型（Multilevel Modeling）在嵌套
数据
中的因果推断应用，聚焦教育领域真实案例。核心涵盖：独立性假设失效的现实证据、固定/随机效应的分工逻辑、
方差
分解与组内相关系数（ICC）的业务解读、R语言中lme4包的随机截距/斜率建模与似然比检验、交叉分类结构处理、中心化策略选择、贝叶斯多层模型在小样本下的应用。强调模型结果向政策决策（如资源分配、校本干预）的可解释转化。
学无止境
830
社区成员
359
社区内容
发帖
与我相关
我的任务
学无止境
你的一生其实就是在进行寻找哪些人可以来出席你的葬礼的一场面试。
复制链接
扫一扫
分享
社区描述
你的一生其实就是在进行寻找哪些人可以来出席你的葬礼的一场面试。
考研
前端
python
个人社区
吉林省·长春市
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章
发帖
与我相关
我的任务
分享
