基于 PU-Learning 的分类方法 简介 正例和无标记样本学习（Learning from Positive and Unlabled Example）简称PU或LPU学习，是一种半监督的二元分类模型，通过标注过的正样本和大量未标注的样本训练出一个二元分类器。 与普通分类问题不同，PU问题中P的规模通常相当小，扩大正样本集.... 查看详情
基于随机森林的缺失值填补 1. 随机森林简介 随机森林算法在2001年由Breiman首次提出，主要的分类思想为：利用BootStrap抽样(有放回抽样)从N个训练样本中抽取m个样本集，每个样本集容量也为N，对这m个样本集分别建立m棵决策树，对一个未知的样本x，分别用这个m棵决策树进行分类，最后根据m个分类结果的投票得.... 查看详情
关于论坛网站中问题质量的研究 2014年的文章"Great Question! Question Quality in Community Q&A" 主要针对论坛网站中的问题质量进行研究。 在很多论坛网站中(比如：知乎、StackOverflow.com)，问题的质量至关重要。高质量问题可以提高网站名气，给用户更好.... 查看详情
一种基于连接图的 Web 文档聚类方法 09年的文章“Efficient Clustering of Web-Derived Data Sets”提出了一种基于连接图的web文档聚类方法，该方法不仅在性能可与平衡数据集上的streaming clustering(流聚类算法)相媲美，而且在处理稀疏、非平衡数据集时也加高效。 1.Web数.... 查看详情
使用数据挖掘方法进行自动化聊天分析 在线聊天中实时的自适应反馈和学习有助于增强聊天系统的“意识”，07年的文章 "Towards educational data mining: Using data mining methods for automated chat analysis to understand and suppor.... 查看详情
虚拟参考咨询和即时通讯的比较 文章"Learning from Chatting: How Our Virtual Reference Questions Are Giving Us Answers" 通过比较图书馆的两种主要在线咨询方式：虚拟参考咨询(VR)和即时通讯咨询(IM)，来指导图书馆提供哪种咨询方式可以更加高效地帮助.... 查看详情
基于网络搜索的知识库填充方法 目前公开的知识库中（比如：Freebase，NELL和YAGO），尽管数据量看似很大，但依然是高度不完善的。比如Freebase中，有70%的人出生地是未知的，有99%的人种族信息是未知的。Google在文章 Knowledge Base Completion via Search-Based Qu.... 查看详情
机器学习中的一些注意事项 本文参考Communications of the ACM 2012年第10期的 "A Few Useful Things to Know About Machine Learning"，对其中的一些要点进行阐述。 1.泛化的重要性 机器学习的基本目标是对训练集中的样例进行泛化，这是因为不管我们.... 查看详情
晓多·
新闻中心
晓多·
新闻中心
简介
正例和无标记样本学习（Learning from Positive and Unlabled Example）简称PU或LPU学习，是一种半监督的二元分类模型，通过标注过的正样本和大量未标注的样本训练出一个二元分类器。
与普通分类问题不同，PU问题中P的规模通常相当小，扩大正样本集.... 
1. 随机森林简介
随机森林算法在2001年由Breiman首次提出，主要的分类思想为：利用BootStrap抽样(有放回抽样)从N个训练样本中抽取m个样本集，每个样本集容量也为N，对这m个样本集分别建立m棵决策树，对一个未知的样本x，分别用这个m棵决策树进行分类，最后根据m个分类结果的投票得.... 
2014年的文章"Great Question! Question Quality in Community Q&A" 主要针对论坛网站中的问题质量进行研究。
在很多论坛网站中(比如：知乎、StackOverflow.com)，问题的质量至关重要。高质量问题可以提高网站名气，给用户更好.... 
09年的文章“Efficient Clustering of Web-Derived Data Sets”提出了一种基于连接图的web文档聚类方法，该方法不仅在性能可与平衡数据集上的streaming clustering(流聚类算法)相媲美，而且在处理稀疏、非平衡数据集时也加高效。
1.Web数.... 
在线聊天中实时的自适应反馈和学习有助于增强聊天系统的“意识”，07年的文章 "Towards educational data mining: Using data mining methods for automated chat analysis to understand and suppor.... 
文章"Learning from Chatting: How Our Virtual Reference Questions Are Giving Us Answers" 通过比较图书馆的两种主要在线咨询方式：虚拟参考咨询(VR)和即时通讯咨询(IM)，来指导图书馆提供哪种咨询方式可以更加高效地帮助.... 
目前公开的知识库中（比如：Freebase，NELL和YAGO），尽管数据量看似很大，但依然是高度不完善的。比如Freebase中，有70%的人出生地是未知的，有99%的人种族信息是未知的。Google在文章 Knowledge Base Completion via Search-Based Qu.... 
本文参考Communications of the ACM 2012年第10期的 "A Few Useful Things to Know About Machine Learning"，对其中的一些要点进行阐述。
1.泛化的重要性
机器学习的基本目标是对训练集中的样例进行泛化，这是因为不管我们....