问题标签 [machine-learning]

在过去的几周里，我在空闲时间一直在使用 Apache Mahout 机器学习库。我很想知道其他人如何使用这些库。

我有一个 A(369x10) 的矩阵，我想将它聚集在 19 个簇中。我用这个方法

产生 idx(369x1) 和 ctrs(19x10)

我明白了这一点。我在 A 中的所有行都聚集在 19 个集群中。

现在我有一个数组 B(49x10)。我想知道这个 B 的行在给定的 19 个簇中对应的位置。

在 MATLAB 中怎么可能？

先感谢您

是否有经验法则（或一组示例）来确定何时使用遗传算法而不是神经网络（反之亦然）来解决问题？

我知道在某些情况下您可以混合使用两种方法，但我正在寻找两种方法之间的高级比较。

什么样的算法可以对逻辑社区（技术、娱乐等）中的博客进行聚类和排名？

对博客文章进行聚类和排名的算法会更好。

接受的答案是算法、伪代码、java 代码或特定算法解释的链接。

更新： 所以，我似乎想要基于文本特征的部分聚类类别中的一些东西。

从我所看到的，似乎分离超平面必须是形式

xw + b = 0。

我不太明白这个符号。据我了解，x.w是一个内积，所以它的结果将是一个标量。你怎么能用标量 + b 来表示超平面？我对此很困惑。

此外，即使它是x + b = 0，它不是一个直接通过原点的超平面吗？据我了解，分离的超平面并不总是通过原点！

如果我有 (1,2,....999) 的输入空间。我有一个概念类 C，有 10 个概念：C0、C1、C2...C9。

给定一个输入，如果该输入包含数字 i，则该输入是 ci 的一个元素。例如，数字 123 是 c1 和 c2 和 c3 的元素。

这个概念类 C的VC Dimension是多少？

我有一个数据集，其中包含年龄、城市、儿童年龄等信息以及结果（确认、接受）。

为了帮助对“工作流程”进行建模，我想根据以前的数据集自动创建一个决策树。

我看了一下http://en.wikipedia.org/wiki/Decision_tree_learning，我知道问题显然并不明显。

我只想就这个主题的一些算法或一些库提供建议，这些建议可以帮助我构建基于样本的决策树。

我正在尝试使用我自己编写的神经网络来近似 sine() 函数。我已经在一个简单的 OCR 问题上测试了我的神经网络并且它有效，但是我无法将它应用于近似正弦（）。我的问题是，在训练过程中，我的误差恰好收敛到 50%，所以我猜它是完全随机的。

我使用一个输入神经元作为输入（0 到 PI），一个输出神经元作为结果。我有一个隐藏层，我可以在其中改变神经元的数量，但我目前正在尝试大约 6-10 个。

我感觉问题是因为我使用的是 sigmoid 传递函数（这是我的应用程序中的要求），它只输出 0 和 1 之间，而 sine() 的输出在 -1 和 1 之间。尝试纠正我尝试将输出乘以 2，然后减去 1，但这并没有解决问题。我想我必须在某处进行某种转换才能使这项工作正常进行。

有任何想法吗？

给定四个表示“类”的二进制向量：

哪些方法可用于将浮点值向量分类为这些“类”之一？

在大多数情况下，基本舍入有效：

但是我该如何处理一些干扰呢？

第二种情况应该更适合 1000000000，但相反，由于没有明确的匹配，我完全失去了解决方案。

我想使用 MATLAB 来完成这项任务。

我有一些空闲时间，我希望学习一两种可用于计算建模的编程语言（我在认知科学和心理学领域）。我不确定我最终是否会做神经网络、机器学习、人工智能或完全不同的事情，所以我只是在寻找一个好的、广泛的基础，比如朝着正确的方向轻推。我只知道一点 C，所以我还有很长的路要走。

您能否推荐任何在实验室进行计算工作时常用的编程语言？我希望在几年内将我在研究生培训中学到的东西用到。

我还需要学习更多数学知识，例如微分方程和基本线性代数。你觉得我还需要别的什么吗？

非常感谢。