vshadow的专栏

Weka介绍：Weka是一个用Java编写的数据挖掘工具，能够运行在各种平台上。它不仅提供了可以直接用于数据挖掘的软件，还提供了src代码，使用者可以修改源代码，进行二次开发。但是，由于其使用了Java虚拟机，导致其不适合处理大型数据，运行缓慢。处理超过一定大小数据，还会溢出heap size，使程序崩溃。但作为初学者，很适合通过处理一些小型数据集，以直观地了解各种数据挖掘方法。它还自带一些典

定义The strong and weak learnability are equivalent.--Kearns and Valiant(1989)强分类器和弱分类器是相同的，多个弱分类器组合可以达到强分类器的效果。通过迭代生成一列分类器，每个分类器都依赖于之前的一个，之前分类器错分的样本被赋予更高的权重。训练数据集D为 {(x1,y1,w1),( x2,y2,w2),…,(

基本概念•       监督学习vs.无监督学习Ø  监督学习: 发现数据属性与类别属性之间的关联模式。 –      通过利用这些模式来预测未知数据实例的类别属性。 Ø  无监督学习: 没有类别属性. –      希望探索数据以发现其中的内在结构。无监督学习包括聚类、关联规则等。•       K-均值聚类算法是最著名的划分聚类算法。Ø  设实例的集合D为{x1

贝叶斯方法的提出：正概率问题：假如袋子里有M个黑球、N给白球，你伸手进去摸一个，摸出黑球的概率有多大？摸出白球的的概率有多大？解答：黑球概率P(A)=M/(M+N) ，白球概率P(B)=N/(M+N)。——(1)逆概率问题：事先不知道袋子里有多少个黑球、多少个白球，你怎样通过实验，预测黑白球的比例？解答：采用不放回地摸取，摸出k个球，其中m个黑球，n个白球，通过计算m、n占k的

Definition决策树学习时应用最广的归纳推理算法之一。[1]它是一种逼近离散值函数的方法，对噪声数据有很好的健壮性且能够学习析取表达式。CLS， ID3，C4.5，CART均是决策树学习算法。[1]归纳学习成立存在一个基本假设：任一假设如果在足够大的训练样例集中很好地逼近目标函数，它也能在未见实例中很好地逼近目标函数。“泛化能力”决策树学习的归纳偏置是优先选择较小的树。决策树

OrangeOrange 是一个基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，基绑定了Python以进行脚本开发。它包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。其由C++ 和 Python开发，它的图形库是由跨平台的Qt框架开发。RapidMinerRapi