SVM目前的应用主要在模式识别领域中的文本识别、中文文本分类、人脸识别等，同时也在许多的工程技术和信息过滤等方面有着重要作用。

数据分析是一个大话题，借这篇小笔记整理一下自己的思路：数据分析是什么？涉及到哪些技术？有哪些数据公司玩家？如何定位数据分析的价值？

用异于传统的方式，从讲课PPT上取些素材（这样比较快），来说明聚类的一些概念，为下篇做些铺垫，下篇将通过通俗的例子说明一个著名的方法。

我小时候的理想是将来做一名数学家，可惜长大了发现自己天赋不够，理想渐行渐远，于是开始考虑现实，开始做一些人生规划，我一直在思考将来从事何种职业，专注什么样的领域，重新定义着自己的职业理想。我现在的职业理想，比较简单，就是做一名数据分析师。 为什么要做数据分析师？ 在通信、互联网、金融等这些行业每天产生巨大的数据量（长期更是积累了大量丰富的数据，比如客户交易数…

或许一场关于自然语言处理的精彩辩论可以告诉我们何谓“半个贝叶斯人”，让我们把时光拨回到几年前。

我总是在证明这样一个论点，即数据无处不在——并且很多都是免费的。在开始大数据分析之前，公司不一定要建立自己的大规模数据仓库。企业和政府将大量信息投入到公共领域的举措，使得每个人都能够获得海量数据。

对于不平衡数据集，一般的分类算法都倾向于将样本划分到多数类，体现在模型整体的准确率很高。

产品数据是产品经理量化产品的重要方面，数据的客观性，让数据变成了发掘问题本质，寻找事物规律所需要用到的最有利的手段之一，但在与数据打交道的过程中，我们可能经常会犯一些错误，导致分析的结论出现较大的偏颇，本文罗列数据分析过程中5个常见误区。

本文从农村中学并迁选址问题出发，介绍了数据挖掘十大算法中位居第二的K-平均聚类，后又借用牛顿迭代原理，议论蛋鸡悖论。

就近几年的科技发展水平来看，中国已逐步向科技大国迈进，这在提升中国在全球的科研影响力之余，也在一定程度上改变了全球科学人才流动背后的格局。

随着大数据概念的火热，数据科学家这一职位应时而出，那么成为数据科学家要满足什么条件?或许我们可以从国外的数据科学家面试问题中得到一些参考，下面是中国统计网翻译的数据科学家面试常见的77个问题。

“预测”就是根据已知的输入和输出进行学习，并依照给定的新输入给出我们自己的判断。

在雇佣数据科学家最多的十大行业中，有六个行业的研究型数据科学家数量超过了其他类型的数据科学家。

如前所述，用户细分包括前后两部分，即前一部分因子分析完成后，还要对获得的公共因子进行随后的聚类分析。 聚类分析按照相似度进行划分类别，相似度一般由数据对象间的距离远近来衡量。基于确定的业务需求和分析目标，可以从用户基本属性、用户使用行为两个方面选择变量，随后便要进一步明确样本数据的形式。 样本数据中性别、年龄及收入是离散变量，而使用频度和价值贡献是连续变量，…

20世纪90年代后期，IBM深蓝（Deep Blue）研究了一系列的国际象棋算法，期望于打败当时的世界冠军加里•卡斯帕罗夫（Garry Kasparov）。

近来由于数据记录和属性规模的急剧增长，大数据处理平台和并行数据分析算法也随之出现。于此同时，这也推动了数据降维处理的应用。实际上，数据量有时过犹不及。有时在数据分析应用中大量的数据反而会产生更坏的性能。 最新的一个例子是采用 2009 KDD Challenge 大数据集来预测客户流失量。 该数据集维度达到 15000 维。 大多数数据挖掘算法都直接对数据逐…

主成分分析是一种经典的降维方法，但如果你只把主成分分析作为一种降维手段，那么你就太OUT了。

这篇文章是一个投资者对数据分析在过去25年的回顾。作者西蒙迪斯从投资者的角度讨论了数据分析的变革，认知应用的价值，以及最受风投关注的大数据核心领域。

这是一次数学家独创的完美约会经验贴

大部分数据都是模拟趋势数据，要获得一个产品的绝对历史下载量是一件很难的事情，你要知道每个App都是分版本向App store或者安卓应用商店提交的，所以理论上我们需要看的是这个版本的下载量和活跃度。