使用Weka进行数据挖掘1.简介数据挖掘、机器学习这些字眼，在一些人看来，是门槛很高的东西。诚然，如果做算法实现甚至算法优化，确实需要很多背景知识。但事实是，绝大多数数据挖掘工程师，不需要去做算法层面的东西。他们的精力，集中在特征提取，算法选择和参数调优上。那么，一个可以方便地提供这些功能的工具，便是十分必要的了。而weka，便是数据挖掘工具中的佼佼者。Weka的全名是怀卡托智能分

引文： 学习一个算法，我们最关心的并不是算法本身，而是一个算法能够干什么，能应用到什么地方。很多的时候，我们都需要从大量数据中提取出有用的信息，从大规模数据中寻找物品间的隐含关系叫做关联分析(association analysis)或者关联规则学习(association rule learning)。比如在平时的购物中，那些商品一起捆绑购买销量会比较好，又比如购物商城中的那些推荐信息，都是根据

【机器学习算法代码汇总-Python&R】- PDF文件下载.原文链接：点击这里.

一、Centos7系统的安装及设置1、给两台电脑安装CentOS7.0，光盘启动路径修改为：/dev/cdrom修改主机名称# hostnamectl set-hostname2、设置ip地址# vi /etc/sysconfig/network-scripts/ifcfg-eth0添加下列属性值

服务器环境：centos7.0python2.7.5pip-6.1.1引文：由于之前配集群的时候比较仓促，很多东西都是简化版。python的库都没有安装，今天实验室一同学要用服务器跑程序，代码使用python写的，结果配python的环境又耗费了大半天，没有午休，眼睛还困困的，满满的都是泪啊~1pip的安装1.1 下载pippython很多的模板库都可以使用pip来安装

数据库（第一范式，第二范式，第三范式）范式：英文名称是 Normal Form，它是英国人 E.F.Codd（关系数据库的老祖宗）在上个世纪70年代提出关系数据库模型后总结出来的，范式是关系数据库理论的基础，也是我们在设计数据库结构过程中所要遵循的规则和指导方法。目前有迹可寻的共有8种范式，依次是：1NF，2NF，3NF，BCNF，4NF，5NF，DKNF，6NF。通常所用到的只是前三个范式，

引文：前面提到的K最近邻算法和决策树算法，数据实例最终被明确的划分到某个分类中，下面介绍一种不能完全确定数据实例应该划分到哪个类别，或者说只能给数据实例属于给定分类的概率。基于贝叶斯决策理论的分类方法之朴素贝叶斯优点：在数据较少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感适用数据类型：标称型数据。朴素贝叶斯的一般过程收集数据：可以使用任何方式准备数据：需要数

今天在知乎上看到一个问题：人脑有海量的神经元（参数），为什么没有过拟合？面对各个网友的回答，突然发现自己对于过拟合的概念似乎理解的不是很透彻，或者说之前就没有完全理解透。其中有个人这么说“样本少feature多才overfitting”也有人提到看红框标注部分，也就是说样本多就不会发生过拟合么。先不管知乎这个问题了，为了搞清过拟合的概念，再次跑到wikipedia去搜寻答案。下面是wikipedi

介绍在学习机器学习的时候，首当其冲的就是准备一份通用的数据集，方便与其他的算法进行比较。在这里，我写了一个用于加载MNIST数据集的方法，并将其进行封装，主要用于将MNIST数据集转换成numpy.array()格式的训练数据。直接下面看下面的代码吧(主要还是如何用python去读取binnary file)！MNIST数据集原网址：http://yann.lecun.com/exdb/mnist

原文链接：http://scikit-learn.github.io/dev/tutorial/basic/tutorial.html章节内容在这个章节中，我们主要介绍关于scikit-learn机器学习词库，并且将给出一个学习样例。机器学习：问题设置通常，一个学习问题是通过一系列的n个样本数据来学习然后尝试预测未知数据的属性。如果每一个样本超过一个单一的数值，例如多维输入（也叫做多维数据），那么