数据挖掘 今日: 0|主题: 89|排名: 56 

部分slide已经放出来了： http://lamda.nju.edu.cn/conf/mlss2014/ http://lamda.nju.edu.cn/conf/mlss2014/Program Xiaojin (Jerry) Zhu 图模型的大牛，如果听过我讲lda的组会，对他的slide应该有印象 Kai Yu Yoshua Bengio Ruslan Salakhutdinov 都是深度学习大牛，不做介绍了 Masashi Sugiyama - Unsupervised Chang ...

写了点，发现没他说的好，直接贴这篇文章地址： AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图 主要是讲AdaBoost在人脸识别中的运用，有时候也在CV其他领域。我们经常把多个弱分类器搞成一个强分类器，同样，多个这样的强分类器也可以级联成一个更复杂的集成分类器。那么怎么设计？级联方法。 ...

Qi He, Daniel Kifer, Jian Pei, Prasenjit Mitra, and C. Lee Giles. 2011. Citation recommendation without author supervision. In Proceedings of the fourth ACM international conference on Web search and data mining (WSDM '11). ACM, New York, NY, USA, 755-764. DOI=10.1145/1935826.1935926 http://doi.acm. ...

工作闲来无聊，突然想做这么一个分析系统。 需求：对论坛进行数据爬取，然后分析得出现阶段论坛的主题、关键词等。 这是不是属于文本分析范围？ 请问有什么资料可以推荐下，有什么思路，谢谢。 目前会用的就是weka，libsvm这些传统的工具。 但是weka在数据量较大的情况下，会出现内存溢出情况。 ...

Ranking SVM是一种Pairwise的排序算法, 给定查询q, 文档d1>d2>d3(亦即文档d1比文档d2相关, 文档d2比文档d3相关, x1, x2, x3分别是d1, d2, d3的特征)。为了使用机器学习的方法进行排序，我们将排序转化为一个分类问题。我们定义新的训练样本, 令x1-x2, x1-x3, x2-x3为正样本,令x2-x1, x3-x1, x3-x2为负样本, 然后训练一个二 ...

最近在看LDA的相关知识, 丕子写的一个博文不错, http://www.zhizhihu.com/html/y2010/1384.html 其中多次引用到这本书, . 我只选了部分看, 据说这本书很不错.

Tang, J., & Zhang, J. (2009). A discriminative approach to topic-based citation recommendation. Advances in Knowledge Discovery and Data Mining (pp. 572–579). Springer. 作者介绍：唐杰，清华大学知识工程实验室副教授，在社交网络挖掘领域很有影响力，网站Arnetminer.org是学术挖掘的好帮手。 主要针对Citati ...

1. WinMine http://research.microsoft.com/en-us/um/people/dmax/winmine/tooldoc.htm 2. Banjo http://www.cs.duke.edu/~amink/software/banjo/ 呼唤哪位同学有时间试用，并写文档，我有重奖。

[论坛按] 发帖人转载自：http://doctorimage.cn/2013/01/01/cv-intro-niubility/#6481970-qzone-1-83120-80417069b226f89a8531d1742d53942d ，原标题为“CV牛人牛事简介”。此列表并不全面，还有很多牛人没有给出，所以仅供参考，不代表本站观点。 CV人物1：Jianbo Shi史建波毕业于UC Berkeley，导师是Jitendra Malik。其 ...

PGM课程的学习终于算是到了尾声，仅剩下本周的期末复习和回顾了。从11年开始，共报名参加三次PGM的学习，这次总算是坚持下来了。想着每周5~10小时看视频，10~15小时做课后作业与编程作业，依然觉得真是不容易。整体而言，这门课程的难度属于中等偏难，如果比起之前Andrew Ng的Machine Learning课程，这个则算是比较难的了。 ...

当我们发现，标记的样本很少，而未标记的样本很多的时候，怎么办？ 采用半监督方法，例如self-training(又叫做self-teaching或bootstrapping)： 初始化： L是有少量有类标数据，U是大量无类标数据，重复如下步骤 1. 基于训练集L构建分类器h 2. 利用分类器h对U进行分类预测 3. 将预测结果里置信度高的样本记作U'（置信度 ...

假设原始样本中有两类，其中： P个正例样本，N个负例样本 分类结果中： TP个正例分成正例，FN个正例分成负例（P=TP+FN) TN个负例分成负例，FP个负例分成正例（N=TN+FP） 那么： precision = TP/(TP+FP) ： 分成正例的结果中真正例所占的比重，也就是正例结果中你分对多少 recall = TP/(TP+FN)：分类结果中真正例占所有真正 ...

1、Platform required This is tested under the scipy 0.9 and numpy 2.0, but they should also work with a reasonably new version. 2、Parameters Each metric requires only the following two parameters: predicted_label, labels predicted by the some clustering algorithm: predicted_label = ...

貌似大家的工作都和ensemble learning有点关系，推荐一篇巨经典的paper Ensemble Methods in Machine Learning 网址：http://www.eecs.wsu.edu/~holder/courses/CptS570/fall07/papers/Dietterich00.pdf

我看到一个数据挖掘竞赛，一等奖有1万元。不过只有上海地区的朋友可以参加，其他地区的要自己承担食宿费哦~~~有兴趣的去看看哦，很不错的。活动地址：http://ledmclub.engagecloud.net/

http://www.dmoz.org/ 都是人工目录，准确。下载地址：http://www.dmoz.org/rdf.html 可以在做目录分类，目录推荐的时候做验证。

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 ...