数据挖掘

借助 AI 深度分析，提升了20%的电子开关测试准确度。

华为数据挖掘方法论及案例介绍！

高校的暑假即将来临，有没有想利用这个暑假为自己充电，为未来的自己赢在起跑线上，成为人工智能界的人生赢家呢？来自 KDnuggets 的 Matthew Mayo 就提供了这份书单，小编在翻译此书单的同时，还贴心搜索了相应的中文译本，并提供了中文版的购买链接。加油吧，骚年！

我们在收集、储存和处理大量数据方面取得的进展对于机器学习，或者说人工智能的发展起着重要的作用。许多问题都需要大数据的支持来解决，幸运的是，现在收集、存储和处理大数据的成本比以前要小得多，速度也要快得多。

本篇是旧篇中的“如何直观地理解过拟合与欠拟合的那些事”，“分层抽样与交叉验证”及新篇“模型性能度量那些事”的合集，如已看过旧篇的童鞋可以直接跳到第三部分。

回测是用来否定一个策略的最好的方法，但不一定适合来肯定一个策略。

数据挖掘是发现规律的一种手段，但在很多传统企业里数据挖掘有点像奢侈品，因为数据挖掘的过程一般较长，总体来讲性价比不是那么高，规则取数往往成为了企业数据驱动业务的主流。

知其所以然是我们干成事，干好事，能够触类旁通的一般原则，当算法的黑箱子问题越加严重的时候，我们越要多问一个为什么。

本文主要是 knn 算法原理的介绍, 以及在它在互联网行业中的具体应用， 后续会介绍这个算法的具体实现(R 语言和python 语言)。

每每看到数据挖掘师对于大规模数据处理，机器学习算法侃侃而谈的时候，觉得这就是数据分析师该有的样子，这就是大师。

浅谈影响推荐系统效果的一些因素。

让我们用数据分析的方式看一看这个残酷的世界

天气一热，冷饮会不会立马涨价？

前言 最近发现身边有不少小伙伴想转行做数据工程师，聊天的过程中发现大家对该如何入门有很多迷茫的地方，周末写篇博客记录一下。 哪些人适合继续阅读 数据工程师该如何入门?话题有点大，而且每个人的理解都很不一样，因此我们会先限定一下会对这个话题感兴趣的人群： 做了几年其它软件开发，发现大数据方向更有前景 在校的童鞋，毕业后想搞数据开发，但是学校没相关课程 没搞过软…

numpy，pandas用于数值处理，DictVectorizer用于特征处理，graphviz用于模型可视化