还留在北京的，都是没有退路的

2017-03-20

1.北漂都是哪里人 根据第六次全国人口普查数据，北漂的来源地有非常明显的特征—— 其实只看该省入京的绝对数量，已经基本能发现一些端倪，但还不够确信。我们再加上一个数据佐证，即“流入北京人口占当 ...

在R中使用支持向量机（SVM）进行数据挖掘（下）

2017-03-18

在R中使用支持向量机（SVM）进行数据挖掘（下） 第二种使用svm()函数的方式则是根据所给的数据建立模型。这种方式形式要复杂一些，但是它允许我们以一种更加灵活的方式来构建模型。它的函数使用格式如下（注意 ...

在R中使用支持向量机（SVM）进行数据挖掘（上）

2017-03-18

在R中使用支持向量机（SVM）进行数据挖掘（上） 在R中，可以使用e1071软件包所提供的各种函数来完成基于支持向量机的数据分析与挖掘任务。请在使用相关函数之前，安装并正确引用e1071包。该包中最重要的一个函 ...

Python机器学习之Logistic回归

2017-03-18

Python机器学习之Logistic回归 大数据时代，数据犹如一座巨大的金矿，等待我们去发掘。而机器学习和数据挖掘的相关技术，无疑就是你挖矿探宝的必备利器！工欲善其事，必先利其器。很多初涉该领域的人，最先困惑 ...

从朴素贝叶斯分类器到贝叶斯网络（下）

2017-03-18

从朴素贝叶斯分类器到贝叶斯网络（下） 三、贝叶斯网络 贝叶斯网络（Bayesian Network）是一种用于表示变量间依赖关系的数据结构，有时它又被称为信念网络（Belief Network）或概率网络（Probability Networ ...

数据挖掘十大算法之决策树详解（2）

2017-03-17

数据挖掘十大算法之决策树详解（2） ID3算法 ID3和C4.5都是由澳大利亚计算机科学家Ross Quinlan开发的决策树构建算法，其中C4.5是在ID3上发展而来的。 ID3算法的核心是在决策树各个结点上应用信息增益准 ...

大数据时代的意图搜索

2017-03-17

大数据时代的意图搜索 意图搜索起源于互联网搜索引擎，是基于互联网上海量的无组织、异构、动态的数据与信息环境下搜索引擎不能准确理解用户的搜索意图而提出的，利用如神经网络算法等机器学习方法实现智能化的 ...

数据挖掘十大算法之决策树详解(1)

2017-03-17

数据挖掘十大算法之决策树详解(1) 从分类问题开始 分类（Classification）任务就是确定对象属于哪个预定义的目标类。分类问题不仅是一个普遍存在的问题，而且是其他更加复杂的决策问题的基础，更是机器学习 ...

数据挖掘十大算法之CART详解

2017-03-16

数据挖掘十大算法之CART详解 CART生成 CART假设决策树是二叉树，内部结点特征的取值为“是”和“否”，左分支是取值为“是”的分支，右分支是取值为“否”的分支。这样的决策树等价于递归地二分每个特征，将 ...

机器学习优化算法之爬山算法小结

2017-03-16

机器学习优化算法之爬山算法小结  机器学习的项目,不可避免的需要补充一些优化算法,对于优化算法,爬山算法还是比较重要的.鉴于此,花了些时间仔细阅读了些爬山算法的paper.基于这些,做一些总结.  目录 ...

机器学习中概率论知识复习

2017-03-16

机器学习中概率论知识复习 1 基本概念 概率论在机器学习中扮演着一个核心角色，因为机器学习算法的设计通常依赖于对数据的概率假设。 1.1 概率空间 说到概率，通常是指一个具有不确定性的event发生的 ...

大数据将成为智能电网基础性技术

2017-03-16

大数据将成为智能电网基础性技术 今天，大数据概念的讨论越来越少，大数据应用却如雨后春笋般涌出，这预示着大数据产业已经告别了概念炒作，进入了实实在在的落地阶段。在这一背景下，包括电力、金融、教育、医 ...

机器学习实现与分析之五（高斯判别分析）

2017-03-15

机器学习实现与分析之五（高斯判别分析） 高斯判别分析（GDA）简介 首先，高斯判别分析的作用也是用于分类。对于两类样本，其服从伯努利分布，而对每个类中的样本，假定都服从高斯分布，则有: 这 ...

大数据是如何入侵我们的生活的

2017-03-15

大数据是如何入侵我们的生活的 我们正在产生大量数据。 点击鼠标，就能支付信用卡账单；在手机上，就能实现转账；还有些应用程序可以让你轻松地炒股，或是投资初创企业等等。 所有这些设备和解决方案创造 ...

【机器学习实战】Naive Bayes

2017-03-14

一、概述 优点：在数据少的情况下仍然有效，可以处理多类别问题 缺点：对于输入数据的准备方式较为敏感 适用数据类型：标称型数据 二、原理 三、文档分类 A,B,C,D..为文档中单词。假设总词汇只有A,B,C,D四种。训练样 ...

机器学习实战之SVD

2017-03-14

机器学习实战之SVD 1. 奇异值分解 SVD(singular value decomposition) 1.1 SVD评价    优点: 简化数据, 去除噪声和冗余信息, 提高算法的结果    缺点: 数据的转换可能难以理解 1.2 SVD应用 ...

大数据时代企业管理面临的挑战及对策

2017-03-14

大数据时代企业管理面临的挑战及对策 随着移动网络、云计算、物联网等新兴技术迅猛发展，全球数据呈爆炸式增长，标志着我们迎来又一伟大时代——大数据时代，它的到来在不知不觉中改变着人们的生活方式和思维方 ...

机器学习实战之PCA

2017-03-14

机器学习实战之PCA 1.  向量及其基变换 1.1 向量内积 (1)两个维数相同的向量的内积定义如下: 内积运算将两个向量映射为一个实数. (2) 内积的几何意义 假设A\\B是两个n维向量, n维向量可以 ...

大数据时代下的城管工作

2017-03-14

大数据时代下的城管工作 随着移动互联网、云计算和物联网等快速发展，以及智能终端、视频监控、应用商店等快速普及，全球数据量出现爆炸式增长，“大数据”的概念应运而生。 大数据技术的精髓不在于庞大的数 ...

大数据与智慧物流

2017-03-14

大数据与智慧物流 随着大数据时代的到来，云计算和大数据技术加快向物流业渗透，通过海量的物流数据挖掘新的商业价值。物流之争在一定程度上逐渐演变为大数据技术之争。在大数据技术的支持下，人与物流设备之间 ...