2014年初经过深思熟虑，确定方向数据挖掘，作为今后工作生涯的追随领域。 3月份开始看机器学习的课程，到了4月底，参加阿里巴巴的大数据竞赛，便把课程学习给落下了—— 一大遗憾。 比赛的成绩可想而知，由于知识储备不够，况且还是单干，只能说还行，从七千个队伍到前五百名内，再从三百名到一百多名，然后遇到....
分类：
其他好文 时间：
2014-07-10 00:35:54
阅读次数：
183
1.简介数据挖掘、机器学习这些字眼，在一些人看来，是门槛很高的东西。诚然，如果做算法实现甚至算法优化，确实需要很多背景知识。但事实是，绝大多数数据挖掘工程师，不需要去做算法层面的东西。他们的精力，集中在特征提取，算法选择和参数调优上。那么，一个可以方便地提供这些功能的工具，便是十分必要的了。而wek...
分类：
其他好文 时间：
2014-07-07 23:55:38
阅读次数：
417
回归回归是最为简单易用的一种技术，但可能也是最不强大（这二者总是相伴而来，很有趣吧）。此模型可以简单到只有一个输入变量和一个输出变量（在 Excel 中称为 Scatter 图形，或 OpenOffice.org 内的 XYDiagram）。当然，也可以远比此复杂，可以包括很多输入变量。实际上，所有...
分类：
其他好文 时间：
2014-07-07 23:46:02
阅读次数：
241
Python 获取新浪微博的热门话题 (API)...
分类：
编程语言 时间：
2014-06-28 07:51:56
阅读次数：
195
最大流算法在现实生活中有着广泛的应用，从数据挖掘到图像处理，都有应用。现实生活中很多事物看起来是不相干的，而实际上只要通过数学建模，其实很多问题本质上都是一样的。
这里举的一些例子很多都是没办法第一眼就看出来，首先要理解最大流算法的模型，其次就是将现实生活中的问题转换成最大流问题从而进行求解。
二分图匹配问题
大学即将毕业了，很多童鞋要去找...
分类：
其他好文 时间：
2014-06-28 07:03:25
阅读次数：
321
中文分词是做好中文内容检索、文本分析的基础，主要应用于搜索引擎与数据挖掘领域。中文是以词为基本语素单位，而词与词之间并不像英语一样有空格来分隔，因而中文分词的难点在于如何准确而又快速地进行分词以下介绍4款开源中文分词系统。1、ICTCLAS – 全球最受欢迎的汉语分词系统 中文词法分析是中文信息处理...
分类：
其他好文 时间：
2014-06-26 22:35:29
阅读次数：
298
(转载请注明出处：http://blog.csdn.net/buptgshengod)1.背景 决策书算法是一种逼近离散数值的分类算法，思路比較简单，并且准确率较高。国际权威的学术组织，数据挖掘国际会议ICDM （the IEEE International Conference on Da...
分类：
编程语言 时间：
2014-06-26 22:33:33
阅读次数：
410
prunning，剪枝，顾名思义就是减掉那些不重要的。
从理论上来讲，剪枝达到的效果就是剪枝后的q和剪枝前的 p 最大化相似，有两种算法 entroy-based以及rank-based。
针对model，使用相对熵来刻画D(q||p) 来刻画，保证两个model的熵差别最小，就是entropy-based。如果使用rank(p|q)来描述，保证整个model的rank差别最小...
分类：
其他好文 时间：
2014-06-26 07:24:00
阅读次数：
208
问题导读：1. 推荐系统概述；2. 推荐系统指标设计；3. Hadoop并行算法；4. 推荐系统架构；5. MapReduce程序实现。前言Netflix电影推荐的百万美金比赛，把“推荐”变成了时下最热门的数据挖掘算法之一。也正是由于Netflix的比赛，让企业界和学科界有了更深层次的技术碰撞。引发...
分类：
其他好文 时间：
2014-06-25 09:46:57
阅读次数：
329
一。说明：
OLTP中有些表数据量大，而且会对历史数据进行迁移至OLAP中做数据挖掘。对这种历史数据迁移的操作，较好的办法是该表采用分区表。比如按时间分区后，可以对分区进行迁移。
通过分区交换和表空间传输会很容易完成，而且性能上影响很小。
关于分区表更多内容：http://blog.csdn.net/tanqingru/article/category/1397435
关于表空间传...
分类：
其他好文 时间：
2014-06-24 17:21:12
阅读次数：
260
