三室两厅-CSDN博客

原创 Apache POI工具对excel文件操作的简单使用

今天帮一个同学，处理txt文件数据，最后把数据持久化到excel表格中，其中用到了开源工具包POI，稍微学习了下，mark。。。 1、首先是一个创建xls文件的demo package test; import java.io.FileOutputStream; import java.io.IOException; import org.apache.poi.hssf.usermodel

2015-04-24 23:05:09 411

翻译《Who is Tweeting on Twitter: Human, Bot, or Cyborg》重点翻译

摘要： 1）大规模测量：微博行为，微博内容，账号属性 2）构建分类系统：有四部分组成  一个基于熵的组件；  一个基于机器学习的组件；  一个账户属性组件；  一个决策器。关键字：自动识别，机器，半机器，twitter 1、引言论文目的：特征化微博用户自动化特征，并且将用户分为三类（人，机器，半机器）分类器组成：  一个基于熵的组件：用微博发布间隔作

2014-07-04 22:32:39 812

转载线性判别分析

1. 问题之前我们讨论的PCA、ICA也好，对样本数据来言，可以是没有类别标签y的。回想我们做回归时，如果特征太多，那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维，但PCA没有将类别标签考虑进去，属于无监督的。比如回到上次提出的文档中含有“learn”和“study”的问题，使用PCA后，也许可以将这两个特征合并为一个，降了维度。但假设我们的

2014-07-03 15:33:57 864

转载 Logistic regression概述

Logistic regression （逻辑回归）是当前业界比较常用的机器学习方法，用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。（注意这里是：“可能性”，而非数学上的“概率”，logisitc回归的结果并非数学定义中的概率值，不可以直接当做概率值来用。该结果往往用于和其他特征值加权求和，而非直接相乘）那么它究竟是什么

2014-06-19 10:43:52 468

转载如何辨别僵尸粉--利用信息熵、图灵测试和数字化社会网络

僵尸假扮人类、人类识别僵尸似乎会成为“魔高一尺道高一丈”的拉锯战，至少在数字化社会网络时代将长期如此【引言】写这篇文章的时候苹果还没发布Siri，现在理解僵尸粉或者说cyborg的进化以前更简单了，只要想想“人们为什么热衷于与Siri的互动，这种互动与真实人类的互动有何不同”。在“僵尸粉”的围攻下，新浪微博似乎正在被僵尸占领、并逐渐失去对普通用户的吸引力，在微博平台、广告商

2014-06-19 10:27:52 1550

原创几个主要的分类算法

摘要：数据挖掘是目前一种新的重要的研究领域。本文介绍了数据挖掘的概念、目的、常用方法、数据挖掘过程、数据挖掘软件的评价方法。对数据挖掘领域面临的问题做了介绍和展望。　　关键词：数据挖掘数据集合　　1. 引言　　数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。随着

2014-06-19 10:25:20 1872

转载分析社交网络的一些方法和工具

作者为@SocialBeta 内容贡献者@曹宇Charlie 。第一部分关于定位的问题大多数我们所了解的社会化网络，都是从一个相对较小的起点发展起来的。有时候，我们常把一个有特色的起点，看做是这个社交网络的初始定位（初始定位，与后来发展壮大后的定位，应区别看待）。既然是定位，我们知道它指的是差异化的问题，也就是，我们如何找到一个与众不同的点，来吸引第一批铁杆用户，并依靠这第一批用

2014-06-19 10:14:27 1167

gamakui的专栏