相较本科阶段要学习的计算机编程语言，比如：java，linux，mysql等，研究生的大数据专业会更加深入一点，更多的是接触学习数据的采集与分析（Python、Scala），大数据的存储（hbase、hive、sqoop），学习处理软件，学习数学建模软件等等这方面的东西。以武汉大学为例：必修课主要 ...

数据挖掘，机器学习，和人工智能的区别 一、总结 一句话总结： 数据挖掘，机器学习，和人工智能 这三者的区别主要是【目的不同】，其【手段(算法，模型)有很大的重叠】，所以容易混淆。 【数据挖掘 (data mining)】：【模式提取，大数据】： 有目的地从现有大数据中提取数据的模式 ...

谈谈数据挖掘和机器学习 又是好长时间没有写博客了，最近周末事情太多，明天劳动节终于可以让我们劳动人民休息一天了。首先声明的是本人并非数据挖掘和机器学习的高手，只是作为业余兴趣刚刚开始研究，据我所知好多朋友也和我一样对这方面的东西感兴趣，个人认为机器人技术是未来发展的方向。虽然我的专业是软件开发 ...

一、数据挖掘任务 数据挖掘常见的六大任务： 1.分类问题 2.聚类问题 3.回归问题 4.关联问题 5.序列问题 6.异常检测 二、数据挖掘流程 CRISP-DM：跨行业数据挖掘标准流程 ...

今天看到这篇文章里面提到如何选择模型，觉得非常好，单独写在这里。 更多的机器学习实战可以看这篇文章：http://www.cnblogs.com/charlesblc/p/6159187.html 另外关于机器学习与数据挖掘的区别， 参考这篇文章：https ...

李航的《统计学习方法》 这本书开篇第一章写得特别好，各个模型的算法推导也比较全，基本涵盖了比较经典的判别模型和生成模型。 《机器学习实战》 这本书代码和应用特别多，了解python用法和机器学习算法的代码实现非常方便。 项亮的《推荐系统实践》 这本书个人感觉偏理论一点，伪代码 ...

通常都要在机器学习界进一步研究，变成有效的机器学习算法之后才能再进入数据挖掘领域。从这个意义上说，统计学 ...

经过了2个月对机器学习的了解后。我发现了，机器学习的方向多种多样。网页排序。语音识别，图像识别，推荐系统等。算法也多种多样。看见其它的书后，我发现除了讲到的k均值聚类。贝叶斯，神经网络，在线学习等等，还有非常多其它的算法。比方说：免疫算法，遗传算法，主成分分析。蚁群算法 ...