置顶
精华
从jpg文件中提取特征，生成arff
1. 本软件需安装Matlab2010
2. 将jpg文件，按照类别放入不同文件夹，将多个文件夹放入image\Caltech101目录下
3. 将data和features两个文件夹清空
4. 双击LLC_Test.m打开，按F5运行
5. 等运行结束后（控制台出现了>>,可以输入命令了），文件夹内会出现一个data.txt的文件，就是提取出的特征（csv格式，其中共21505维 ...
置顶
精华
libsvm学习笔记
菜青虫学libsvm ，果然是艰难困苦哦……一开始都不知道基本概念……记了些入门笔记，怕自己忘了
软件： libsvm , python ,gnuplot
gnuplot (解压，不需安装)
Libsvm（解压，不需安装）
Python(从75 /share/软件 下载，安装)
文档目录：
一、基本概念
二、libsvm 操作简介
三、步骤总结
一 基本概念：
训练 ...
置顶
精华
关注以下网站的数据
http://www.datatang.com/
http://www.sogou.com/labs/resources.html （@tangzk提供）
http://www.cs.sfu.ca/~sja25/personal/datasets/ （@tangzk提供）
http://archive.ics.uci.edu/ml/ (UCI数据集，做机器学习最标准的数据集)
http://www.kaggle.com/
http://www.prosper.com/tools/ ...
置顶
libSVM
libsvm使用总结——初级1.
首先，如果你使用windows的话，要从cmd中进入到该文件夹下，然后依次运行svmscale, svmtrain, svmpredict。（和blast等软件相似）2.
然后说输入的数据（包括训练集和测试集）的格式。每一行是一个样本，格式如下：1 1:0.2 2:0.6 3:-0.5 4:13其中第一位是类别标记，也就是该样本的类别，通常用1和0 ...
置顶
精华
几个图像特征提取算法的matlab实现
置顶
精华
maryas,从音频文件(.wav)提取特征生成arff
使用手册：http://marsyas.info/docs/manual/marsyas-user/index.html
1. 下载安装CMake（我已经在75服务器中装好了，路径是/home/zouquan/cmake-2.8.7）
需要注意的是：安装时不要敲入make，而是“./bootstrap; make; make install” ，仔细读Readme.txt
2. 进入到maryas目录，运行
mkdir build
...
置顶
常用的不平衡分类数据处理方法
正反例不平衡的分类问题，可以有不少策略，如：
1. 对反例分块，每一块和正例组成一个平衡的数据集，用不同的分类器建model，最后投票；
Ref: Li Song, Dapeng Li, Xiangxiang Zeng, Yunfeng Wu, Li Guo, Quan Zou. nDNA-prot: Identification of DNA-binding Proteins Based on Unbalanced Classification. BMC Bioinforma ...
置顶
精华
适合用来参加TREC比赛的terrier平台【1】使用
Terrier的优点：
1）专门为TREC比赛定制了接口
2）适合科研、写论文，做的都是概率语言模型；相反Lucene的评分函数比较简单，但适合工程开发
3）为语言模型做了很多优化。这次我们的同样模型，用terrier实现要比用Lucene实现普遍提高0.02~0.03，原因暂时未知。
如果参加TREC比赛，可以先用Terrier自带的一些模型试一下水
...
kaggle比赛
http://www.kaggle.com/
kaggle成为美国硅谷非常火的数据挖掘竞赛平台，大家可以在上面尝试一下自己的研究成果，而且有奖金。十分看好它的前景！
请问有啥方法对数据进行特征选择，并且对特征进行重要性排序
大家好，我是外来人口，很高兴认识大家。
我最近的论文要用到特征选择，请问 啥方法对数据进行特征选择，并且对特征进行重要性排序 。
大家帮想想哦。
CS229 Machine Learning
在微博上看到邓侃发起翻译Andrew Ng的Deep Learning和Machine Learning的活动，Ng的特点是“深入浅出，要言不烦，不卖关子不摆噱头”(不过貌似开课的时候说自己专研了15年，言外之意是说自己很牛逼吗？ )
借此再推一下Coursera上Ng的Machine Learning。
详细的讲义从这里下载。
另外，还有前 ...
libsvm Chih-Jen Lin Some Thoughts on Large-scale Data Classi
今天有幸听了Chih-Jen Lin的一场报告，主要关于大数据分类，指出了人们对分类任务认识的一些误区，以及分布式环境(MPI/mapreduce)做分类，未来大数据分类的发展方向，推荐阅读下
文本分类相关资料
路透社新闻语料，其中training、test为数量top k的十类。training-all、test-all为90类
好用的统一词根工具，解压后输命令-inputpath -outputpath。
读入文件到预处理再到生成TFIDF值的代码
有兴趣的同学可以下载试试~
数据挖掘比赛，希望大家积极参加
http://cnnicdata.datatang.com/?dt_source=email&dt_code=pr107
您好！首届中国互联网数据平台数据挖掘竞赛隆重开赛！
欢迎广大对数据挖掘感兴趣的人员参赛，只要您参与，均有机会获得奖品！
大赛网址：http://cnnicdata.datatang.com
大赛背景：大赛是由中国互联网络信息中心（以下简称CNNIC）互联 ...
Apache, god love it
Apache Hadoop
Apache Mahout
Apache Lucene
Apache Nutch
此外，Mahout还很好的实现了文档聚类(clustering)、协同过滤(collaborative filtering)和分类(categorization)
Next, 向Mahout进发……
一次很有收获的KDD比赛
KDD今年的音乐推荐比赛已经“官方”的降下帷幕，但对于我们来说，征程才刚开始
这次我们本科小同学邹莹做了先行官，但真实的投入是从6月10日开始做，感谢远帅同学辛勤的二十天劳动，我本人从6月18日加入，文瑞同学更迟。由于时间紧迫而且数据集确实较大，我们才提交了track2的三个run，结果分别是44，39和27。
效果虽然不 ...
A few useful things to know about machine learning的中文版
想必大家都或多或少地踏上了机器学习这条不归路了，在咱们平常的工作里经常要碰到各种机器学习的概念，这篇论文里面讲到了有很多很小但是很细节的东西，希望和大家一起学习了。
话说论文里的第一个表格我觉得归纳得不错，机器学习：表示+算法+最优化，可以作为学习机器学习方法的一种指导途径，另外论文里提到一些有意思的 ...
A Nonparametric Method for Early Detection of Trending Topics
2012年11月8~9日。MIT将举行一个workshop。简称，WIDS。
其中会讲到一个有趣的内容：A Nonparametric Method for Early Detection of Trending Topics
在workshop还没开始前，大家已经对提前预测热点感兴趣，特别是在twitter上。
事实上，Predicting what topics will trend on Twitter 这篇文章已经透露出作者大概的做 ...
SVM学习笔记（转载）
首先假设样本线性可分，此时的目标是求解最优分类面。
样本需满足的条件公式为y*(wx+b)>=δ，y取值为{-1,1}，分别表示正负样本。
优化的目标函数为max δ ，也就是使得样本距离最大的分类面。
如果w不做约束，则对于任何x，只要w线性增长，则δ可取更大的值；而w线性变化，不会影响分类面形状。因此约束||w||=1。
也就是要 ...
Netflix Prize相关文章求鉴定
Winning the Netflix Prize: A Summary
http://blog.echen.me/2011/10/24/winning-the-netflix-prize-a-summary/
标题很来神，求老师鉴定是否真有其料呢？
关注公众号
