原创 BP神经网络的网络带宽预测

网络流量预测的背景网络流量为指定时间内通过网络或网络端口的数据大小，各个网络节点都是有瓶颈的，当流量达到或超过节点的瓶颈时，网络服务已经收到了不同程度的影响。建立网络流量模型，通过模型预测将来可能超过瓶颈的的时间和可能性，便可以预先采取一定的防护措施，如大节点的流量切换；另外由于各个节点的计费方式和价格也不同，我们可以依据预测的流量在不影响用户体验的情况下把代价高的流量切换到代价低的节点上

转载 PCA数学原理

PCA的数学原理作者 张洋 | 发布于 2013-06-22机器学习 线性代数 PCAPCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章

原创 数据挖掘知识梳理脑图

原创 样本不均衡问题--bagging方法

bagging是一种用来提高学习算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将它们组合成一个预测函数。它使用bootstrap抽样，其基本思想是：将一个弱学习算法使用多次（每次使用一个放回的重复抽样），并对结果进行投票，最后选取投票多的结果作为最终的结果（也可以通过得票的平均值用于连续值的预测）。bagging对使用的分类算法有要求，必须为不稳定的算法（不稳定是

原创 样本不均衡问题--过拟合欠拟合抽样

过抽样就是在样本很少的时候，添加或者复制样本，比如两类样本分别为100个A类和10个B类，那么为了保证A,B这两类样本平衡，可以复制B类使得样本和A类一样。方便分类器分类。欠抽样就是将A的样本减少到和B类一样。从表面上看过抽样和欠抽样技术在功能上似乎是等价的，因为他们都能改变原始数据集的样本容量并且能够获得一个相同比例的平衡（处理样本不均衡问题的方法）。但是，这个共同点是表面现象，这两种方