run_xiao

最近一直做用户使用搜索引擎行为模式聚类的工作，开始尝试用K-means，效果非常不好，用户Session中的动作之间有较强 的关联，这种基于距离的聚类无法体现这种关系。继而，转向基于模型的聚类方法，而马尔可夫模型及隐马模型是对这种时间 序列建模的很好工具，因此尝试了下混合马尔可夫模型：认为每一个Session序列是有一个马尔可夫模型产生的，而模型的选 择又遵循一定的概率分布...

1.Canopy聚类Canopy聚类是一种简单、快速、但不太准确的聚类方法。该算法需一种快速的近似距离度量方法和两个距离阈值T1>T2。while(没有标记的数据点){    选择一个没有强标记的数据点p    把p看作一个新Canopy c的中心    离p距离<T1的所有点都认为在c中，给这些点做上弱标记    离p距离<T2的所有点都认为在c...

2.Kmeans聚类Kmeans算法思想也比较简单：可见http://baike.baidu.com/view/3447609.htm首先从n个数据对象选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重...

 3.Mean Shift聚类 Mean Shift聚类原理(1).欧式空间X中，有一个有限点的集合S。K是一个flat核，即 简单说来，K标记x是否在以原点为圆心，半径为lamda的球体内。 (2).在x处的样本均值表示为 即在以...

晚上闲来无聊，趟床上用IPad整理了GBDT原理的笔记，在IPad上输入真是件痛苦的事情。 最近一直在考虑能否用MapReduce实现GBDT算法，大体思路有了，但还不够清晰。 ...

高斯分布 rnorm(n, mean=0, sd=1)指数分布 rexp(n, rate=1)gama分布 rgamma(n, shape, scale=1)泊松分布 rpois(n, lambda)Weibull分布 rweibull(n, shape, scale=1)Cauchy分布 rcauchy(n, location=0, scale...

函数：tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)对向量x进行分组处理；分组规则由参数INDEX指定，INDEX是个factor类型，长度与向量x一致，指定x成员的类别；FUN为处理函数lm(formula, data, subset, weights, na.action, method = "qr", mo...

前段农闲时间，用R实现了些neural network和deep learning相关的算法，把这些代码做了个package叫deepnet,而且已经上传到CRAN上了。有兴趣的同学可以安装玩玩（R中执行命令:install.packages("deepnet")）.package介绍文档：http://cran.r-project.org/web/packages/deepnet/index...