本站首页    管理页面    写新日志    退出



公告


 求真务实打基础，
 宁缺毋滥读好书。

数据挖掘青年(DMman)


我的分类（专题）

日志更新
问君能有几多愁，恰似一群太监上青楼
我和僵尸有个约会：灵异世界或真实存在？
赤壁（下）观后小感：雷人
英科学家：酒精和烟草的危害大于大麻和摇头
只有社会主义才能拯救世界(由金融危机引发
求职心得(非名牌院校 硕士 计算机)
省外就业协议录入
数据挖掘方面的资源、期刊、会议的网址集合
面试心得（摘）
为学
EI收录中国期刊-核心（2008-5）
混沌理论：随机世界的建模
分子计算机已经问世，纳米计算机指日可待？
绝对好用免费的网络电话
NLP：基于机器学习的人类思想及行为建模
Weka中用于组合多个模型的的装袋、提升
数据挖掘在企业中应用的四种途径
(转)几点做人做事的建议
大学计算机软件专业生应该学什么(转)
一个程序员对学弟学妹建议(转)

最新评论

留言板

链接

Blog信息
blog名称:DMman(数据挖掘青年)
日志总数:102
评论数量:564
留言数量:57
访问次数:1755399
建立时间:2007年4月9日




[数据挖掘]数据挖掘方面的资源、期刊、会议的网址集合　
文章收藏,  网上资源,  科学研究

数据挖掘青年 发表于 2008/9/25 18:42:16


发信站: 水木社区 (Fri Oct 26 14:36:08 2007), 站内


Journals
ACM TKDD    http://tkdd.cs.uiuc.edu/
DMKD    http://www.springerlink.com/content/1573-756X/?p=859c3e83455d41679ef1be783e923d1d&pi=0
IEEE TKDE    


阅读全文(15471) | 回复(1) | 编辑 | 精华 | 删除
 


[数据挖掘]NLP：基于机器学习的人类思想及行为建模　
原创空间,  心得体会,  电脑与网络,  人文艺术

数据挖掘青年 发表于 2008/5/16 10:14:14

　


阅读全文(9210) | 回复(1) | 编辑 | 精华 | 删除
 


[数据挖掘]数据挖掘在企业中应用的四种途径　
原创空间,  心得体会,  软件技术,  电脑与网络

数据挖掘青年 发表于 2008/2/25 21:46:49

      
阅读全文(12243) | 回复(3) | 编辑 | 精华 | 删除
 


[数据挖掘]人工智能机器学习数据挖掘著名会议（转）　
网上资源

数据挖掘青年 发表于 2007/12/13 21:50:25

转自论坛http://www.ieee.org.cn/dispbbs.asp?BoardID=62&replyID=31567&id=29962&star=1&skin=0
作者好像是南大周志华老师　 我知道的几个人工智能会议(一流)
下面同分的按字母序排列: 

阅读全文(10906) | 回复(5) | 编辑 | 精华 | 删除
 


[数据挖掘]数据挖掘经典算法(转)
网上资源

数据挖掘青年 发表于 2007/12/13 21:45:38

Classification
==============  #1. C4.5 Quinlan, J. R. 1993. C4.5: Programs for Machine Learning.
Morgan Kaufmann Publishers Inc.
 #2. CART L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classification and
Regression Trees. W

阅读全文(27542) | 回复(16) | 编辑 | 精华 | 删除
 


[数据挖掘]《走进搜索引擎》
网上资源

数据挖掘青年 发表于 2007/10/24 9:25:57

热烈祝贺由Sohu副总裁王小川作序并鼎力推荐的《走进搜索引擎》正式出版发行，欢迎本书作者梁斌先生作客论坛http://www.ieee.org.cn/dispbbs.asp?boardID=69&ID=54192，开辟答疑专贴!
搜索引擎是近年来的热门话题，在此推荐一本关于搜索引擎入门的好书： ——《走进搜索引擎》，电子工业出版社，2007年10月出版

阅读全文(7144) | 回复(5) | 编辑 | 精华 | 删除
 


[数据挖掘]Matlab的数据挖掘工具箱spider　
网上资源,  心得体会

数据挖掘青年 发表于 2007/8/19 16:17:35

　 一 spider主页http://www.kyb.mpg.de/bs/people/spider/ （也可以在google上搜索spider matlab得到），关于它的介绍可以参考网址资料 二 使用时为matlab+spider+Weka；因为spider中的一些算法引用了Weka，比如j48 安装注意： 1 matlab7（R14）   6.5版本对java的支持不够，还没有开发javaclasspath等函数

阅读全文(35553) | 回复(15) | 编辑 | 精华 | 删除
 


[数据挖掘]Semi-Supervised Learning(半监督学习)
网上资源,  心得体会

数据挖掘青年 发表于 2007/8/18 18:42:41

以下为Xiaojin Zhu在ICML2007上的陈述内容梗概，更多内容可以在他的主页上得到。懒得整理成中文了，而且很多术语虽然理解了意思，但还不知道确切的中文描述...现在才深刻体会到，要想学习前沿的知识，只有通过互联网，平常看书只是看些稳定成型的老知识。。。 半监督学习已经兴起七八年了吧，但在中国还是刚刚起步罢。 一、Introduction to semi-supervised learning    What is semi-supervised learning and transductive learning?  Why can we ever learn a classifier from unlabeled data?  Does unlabeled data always help?  Which semi-supervised learning methods are out there?  Which one should I u

阅读全文(52767) | 回复(13) | 编辑 | 精华 | 删除
 


[数据挖掘]决策树的经典构造算法ID3&C4.5
网上资源

数据挖掘青年 发表于 2007/7/23 9:36:16

决策树概述：
   决策树是通过一系列规则对数据进行分类的过程。它提供一种在什么条件下会得到什么值的类似规则的方法。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。一般的数据挖掘工具，允许选择分裂条件和修剪规则，以及控制参数（最小节点的大小，最大树的深度等等），来限制决策树的。决策树作为一棵树，树的根节点是整个数据集合空间，每个分节点是对一个单一变量的测试，该测试将数据集合空间分割成两个或更多块。每个叶节点是属于单一类别的记录。构造决策树的过程为：首先寻找初始分裂。整个训练集作为产生决策树的集合，训练集每个记录必须是已经分好类的。决定哪个属性域作为目前最好的分类指标。一般的做法是穷尽所有的属性域，对每个属性域分裂的好坏做出量化，计算出最好的一个分裂。建决策树，就是根据记录字段的不同取值建立树的分支，以及在每个分支子集中重复建立下层结点和分支。建决策树的关键在于建立分支时对记录字段不同取值的选择。选择不同的字段值，会使划分出来的记

阅读全文(12300) | 回复(3) | 编辑 | 精华 | 删除
 


[数据挖掘]数据挖掘新手常见疑问解答(2)
网上资源

数据挖掘青年 发表于 2007/7/8 21:47:26

说明：这些问题以及他们的解答来自数据挖掘者的博客http://blogger.org.cn/blog/blog.asp?name=idmer，由DMman整理，日期截止到2007-6-20。挑选了其中比较有实际应用意义的若干。涉及到数据挖掘的前景、学习数据挖掘需要学什

阅读全文(34562) | 回复(-11) | 编辑 | 精华 | 删除
 


« 1 2 3 »



站点首页 | 联系我们 | 博客注册 | 博客登陆

Sponsored By W3CHINA
W3CHINA Blog 0.8 Processed in 0.172 second(s), page refreshed 144754955 times.
《全国人大常委会关于维护互联网安全的决定》  《计算机信息网络国际联网安全保护管理办法》
苏ICP备05006046号