xsdxs的博客

什么是关联分析关联分析是数据挖掘领域常用的一类算法，主要用于发现隐藏在大型数据集中有意义的联系。举一个大家最耳熟能详的例子，就是尿布和啤酒，表示成关联规则的形式就是｛尿壶｝ —>｛啤酒｝。这就是使用关联分析方法所得到的结果，而关联分析所得到的结果，我们可以用关联规则或者频繁项集的形式表示。在进行关联分析时，我们常常会遇到这样两个问题：A. 从大型数据集中发现模式一般来说需要在计算...

K-means java版代码实现

在数据挖掘中，原始海量的数据中存在着大量不完整、不一致、有异常、偏离点的数据。这些问题数据轻则影响数据挖掘执行效率，重则影响执行结果。因此数据预处理工作必不可少，而其中常见工作的就是数据集的缺失值处理。数据缺失值处理可分两类。一类是删除缺失数据，一类是进行数据插补。本文是对数据插补的介绍。

数据分析学习小结两种常用的归一化方法参考：http://www.cnblogs.com/chaosimple/archive/2013/07/31/3227271.html数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数

当前的分析对象是一段 timestamp-value 的时间序列，该时间序列可能是cpu使用率、磁盘使用率等数据。我们在计算前，首先需要判断的是什么样的值是异常值。基于移动平均的方法，其朴素思想是在直观上来看图形，认为近一段时间内的数据值，有着相似的走向趋势。因此判断一个值是否是异常值，可通过判断该值是否对数据趋势造成了破坏，来得出结论。

前言最初听闻word2vec还在读研了。当时挺感兴趣的，不过一直忙于毕业事项，没好好研究下，对word2vec也只是概念上的了解，直到这两天有空才能专门学习下这方面的知识。知识不经过整理很容易忘记，尤其像这种算法类的，一次性理解透彻~~至少对我这水平的来说还是比较困难，必须经过多个阶段学习才行，每个阶段都做好总结，这样有利于下个阶段的学习。本文主要从我的学习经历介绍下word2vec，还是以实践为主

1. 背景最近项目中遇到求解时间序列相似性问题，这里序列也可以看成向量。在传统算法中，可以用余弦相似度和pearson相关系数来描述两个序列的相似度。但是时间序列比较特殊，可能存在两个问题：两段时间序列长度不同。如何求相似度？一个序列是另一个序列平移之后得到的。如何求相似距离？第一个问题，导致了根本不能用余弦相似度和pearson相关系数来求解相似。第二个问题，导致了也不能基于欧式距离...