作为架构师，你应该如何挖掘真正的业务需求？
在上一篇文章中，作为架构师的你，已经了解到业务人员需要什么以及如何在收集用户故事的过程中识别需求。在那篇文章里，我还描述了用户故事模板： 为了避免 需要解决的问题，作为角色我想要功能； 为了获得 预期的利益，作为角色我想要功能。 这两种模板可
据挖掘中所需的概率论与数理统计知识
据挖掘中所需的概率论与数理统计知识 ??（ 关键词：微积分、概率分布、期望、方差、协方差、数理统计简史、大数定律、中心极限定理、正态分布） 导言：本文从微积分相关概念，梳理到概率论与数理统计中的相关知识，但本文之压轴戏在本文第4节（彻底颠覆以
美团机器学习中的数据清洗与特征挖掘实践
综述 如上图所示是一个经典的机器学习问题框架图。数据清洗和特征挖掘的工作是在灰色框中框出的部分，即“数据清洗=特征，标注数据生成=模型学习=模型应用”中的前两个步骤 灰色框中蓝色箭头对应的是离线处理部分。主要工作是： 从原始数据，如文本、图像
挖掘DBLP作者合作关系，FP-Growth算法实践（6）：简单的总结报告
基于FP-Growth的频繁项集挖掘与基于社交图的关联规则挖掘 一、任务简介 1 二、数据集 1 三、基本思路 2 3.1、发掘各个会议的“核心”研究者 2 3.2、挖掘作者之间的合作关系 3 3.3、挖掘导师-学生关系 5 四、正确性验证 5 五、总结 5 ? ? 一、任务简介 本次
挖掘DBLP作者合作关系，FP-Growth算法实践（3）：挖掘任务简介、
首先是挖掘任务： 思路明天写。。。。。
如何做数据分析挖掘—以电信行业为例
摘要：本文以电信行业为例讲述如何做数据分析挖掘。 ? ?? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ?? ? ? ? 来源：豪研呓语 版权声明：本公众号的内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请联系我们。 官方网站： 数据分析网
挖掘DBLP作者合作关系，FP-Growth算法实践（5）：挖掘研究者合作
副标题#e# 就是频繁项集挖掘，FP-Growth算法。 先产生headerTable： 数据结构（其实也是调了好几次代码才确定的，因为一开始总有想不到的东西）：entry: entry: {authorName: frequence,firstChildPointer,startYear,endYear} def CreateHeaderTable(tranDB
挖掘DBLP作者合作关系，FP-Growth算法实践（4）：挖掘每个会议的
在只有【论文标题、发布时间、作者、会议名称】这四种信息的情况下，首先提取出所有这四种信息： 代码产生的结果如下，数据结构类似于headerTable，看结果就知道了，不再介绍： authorDict={} #{authorName: total(frequence,startYear,endYear),{eachConf
FFMPEG中重要的数据结构的挖掘
[cpp]? view plain ?copy ? typedef?struct?AVFormatContext?{?? ????struct?AVInputFormat?*iformat;?? ????void?*priv_data;?? ?????? ????ByteIOContext?*pb;?? ????unsigned?int?nb_streams;?? ????AVStream?*streams[MAX_STREAMS];?? }?AVFormatConte
挖掘DBLP作者合作关系，FP-Growth算法实践（2）：从DBLP数据集中
副标题#e# 上篇文章：http://www.voidcn.com/article/p-nsbrwwsu-zv.html?（挖掘DBLP作者合作关系，FP-Growth算法实践（1）：从DBLP数据集中提取目标信息（会议、作者等）） 大家反映代码不能用，主要是太慢了，好吧，我也承认慢，在内存构造树，肯定的！
