数据挖掘 今日: 0|主题: 89|排名: 56 

使用sickit之前需要安装scipy和numpy，比较麻烦。 在root权限下，使用easy_install可以一键安装。

一个比较有名的貌似是UCI，这里还有一个Infochimps Example: Delicious bookmarks, September 2009 A record of all bookmarking activity on delicious.com for a roughly 10-day period in September 2009. The data comes from Arvind Narayanan, a post-doctoral researcher in Computer Science at Stanford Univers ...

画的不错。根据刘铁岩博士的说法，一张图可以代表1000字。 之前的中文版: A few useful things to know about machine learning的中文版

刘鹏博士个人介绍见活动介绍主页: 刘鹏博士《在线广告计算技术》清华公开课 课程安排: * 在线广告的市场结构和内在驱动逻辑: ***合约广告系统 *** 竞价广告系统(包括搜索广告) *** 广告交易市场 * 在线广告中的数据处理与挖掘 *** 海量数据处理框架 *** 受众定向 *** 用户反馈预测 * 在线广告中的重要技术 *** 广告投放引 ...

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 ...

Research happens across all of Google, and affects everything we do. Research at Google is unique. Because so much of what we do hasn't been done before, the lines between research and development are often very blurred. This hybrid approach allows our discoveries to affect the world, both through ...

我大学没好好学习什么统计概率，工作十年早忘光了。 现在碰到有些问题，颇有些难以解释。 首先通过mahout，将法新社的新闻数据从Sequencefile进行MR运算，利用lucene的WhitespaceAnalyzer 。 该分词算法的确很简单，空格分词。 使用常见的文本TFIDF加权权法。 单词最小出现在3篇文档 og-likeihood的最小概率=50 mahout seq2 ...

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 ...

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~

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

Google Prediction API，,谁有精力去试试？ https://developers.google.com/prediction/docs/getting-started

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 ...

网络化时代信息膨胀成为必然，如何准确、高效地从丰富而膨胀的数据中筛选出对经营决策有用的信息已经成为企业和机构迫切需要解决的问题，针对于此，海量数据挖掘技术应运而生，并显示出强大的解决能力。Gartner的报告指出，数据挖掘会成为未来10年内重要的技术之一。 一、海量数据挖掘关键技术随时代而变化 所谓海量数据 ...

cmu的machine learning组做的一篇文章，而且作者没有一个是中国人，political content censorship in China social media

不知道这些论文够不够专业，反正，我是随便找的。

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 ...

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。

http://xuandu.hit.edu.cn/ 哈工大刘挺老师实验室开发，供大家学习

LDA软件 http://www.zhizhihu.com/html/y2010/1465.html Code-python deltaLDA.tgz Other LDA implementations lda-c (C) GibbsLDA++ (C++) Matlab Topic Modeling Toolbox 1.3.2 (Matlab/C via MEX) lda-j (Java) lda (C and Matlab) 以及一个LDA相关的PPT 一篇经典论文 Latent Dirichlet Allocation ...

原文链接：http://hi.baidu.com/atomxu/blog/item/0bc67feda799d6dd2e2e2131.html，作者仍然是Dahua Lin，他的主页是：http://people.csail.mit.edu/dhlin/，由于他的Live博客已经无效，因此只能在网上找到转载文章了，可能原始标题并不是这样，但为了不再误传，我就使用这个标题了。 ----------------------------------- ...