关于数据挖掘中的文本挖掘
文本挖掘， 顾名思义，就是挖掘本文信息中潜在的有价值的信息。文本数据与数值数据的区别有三： 第一，非结构化且数据量大； 文本数据的数据量是非常之巨大的，一百万条结构化数据可能才几十到几百兆，而一百万条文本数据就已经是GB了。当然文本数据的数据量无法与每天的log数据相比 ...
原文：因果推理的春天系列序 - 数据挖掘中的Confounding, Collidar, Mediation Bias
已知特征 X x 的样本呈现 Y y 的特点,或者 Y y 的样本有 X x 的特征，如何计算干预X对Y的影响 Eg. 看快手视频喜欢评论的用户活跃程度更高，那引导用户去发表评论能让他们更活跃么 建模特征应该如何选择，以及特征通过那些途径最终影响Y Eg. 个人并不喜欢有啥放啥的建模方式，既增加模型不稳定性还会增加特征解释的难度。尤其在业务中我们跟多想知道的是不同特征影响Y的方式 如何解释数据分析 ...
2019-12-07 15:10 0 605 推荐指数：
相关推荐
数据挖掘入门系列教程（结束）
从无到有，陆陆续续一个数据挖掘入门系列的教程就写了18篇博客了，这个是我没有想到的，本来以为可能写10篇博客就结束了，但是写着写着写着写着就写了这么多： 数据挖掘入门系列教程（一）之亲和性分析 数据挖掘入门系列教程（二）之分类问题OneR算法 数据挖掘入门系列教程 ...
数据挖掘系列（7）分类算法评价
一、引言 分类算法有很多，不同分类算法又用很多不同的变种。不同的分类算法有不同的特定，在不同的数据集上表现的效果也不同，我们需要根据特定的任务进行算法的选择，如何选择分类，如何评价一个分类算法的好坏，前面关于决策树的介绍，我们主要用的正确率（accuracy）来评价分类算法。 正确率 ...
机器学习&数据挖掘笔记_21（PGM练习五：图模型的近似推理）
必要采用计算上可行的近似推理。本实验中的近似推理分为2个部分，LBP(loop belief propa ...
Weka中数据挖掘与机器学习系列之基本概念（三）
数据挖掘和机器学习 数据挖掘和机器学习这两项技术的关系非常密切。机器学习方法构成数据挖掘的核心，绝大多数数据挖掘技术都来自机器学习领域，数据挖掘又向机器学习提出新的要求和任务。 数据挖掘就是在数据中寻找模式的过程。这个寻找过程必须是自动的或半自动的，并且数据总量应该是具有相当大 ...
浅谈数据挖掘中的关联规则挖掘
浅谈数据挖掘中的关联规则挖掘 数据挖掘是指以某种方式分析数据源，从中发现一些潜在的有用的信息，所以数据挖掘又称作知识发现，而关联规则挖掘则是数据挖掘中的一个很重要的课题，顾名思义，它是从数据背后发现事物之间可能存在的关联或者联系。举个最简单的例子 ...
Python 中的实用数据挖掘
本文是 2014 年 12 月我在布拉格经济大学做的名为‘ Python 数据科学’讲座的笔记。欢迎通过 @RadimRehurek 进行提问和评论。 本次讲座的目的是展示一些关于机器学习的高级概念。该笔记中用具体的代码来做演示，大家可以在自己的电脑上运行（需要安装 IPython ...
数据挖掘中聚类算法
计算机工程与应用2012，48 数据挖掘的重要任务之一就是发现大型数据中的积聚现象，并加以定量化描述。聚类分析就是按照某种相似性度量，具有相似特征的样本归为一类，使得类内差异相似度较小，而类间差异较大。迄今为止。聚类还没有一个学术界公认的定义。这里给出Everitt[1]在1974 年关 ...