我有一组数据，有50多个属性（记为Attribute 1, Attribute 2, …, Attribute n），均为数值型，现在我想对Attribute1进行预测，并想知道Attribute 2-n哪些属性对预测Attribute 1 有帮助，需要进行 feature selection。 请问我应如何进行feature selection呢？在Weka上怎么实现？

美容护肤 香港 销售 正品低价

本人海外CS硕毕业正在IT行业工作，硕士期间的研究方向是数据挖掘data mining和机器学习machine learning以及大数据分析big data analysis。由于之前工作实习期间和各行各业人士的接触，对金融工程产生兴趣，从而萌生了去欧美读一个MFE的想法。最近看了一些国内国外的帖子，逐渐对这一行业有所了解，同样是quant（当然是各种quant），各种背景出身的人（如math/physics/cs/engineering phd或是mfe等等）将来适合的职业发展道路相差很大。而我虽然算是门外汉，但也想在选择读mfe前对将来的职业道路有一定的规划。个人不想做完全是developer的工作（如金融系统开发），而对其他 […]

怎样成为一个有商业头脑的人？

和大数据一样 大数据是无法直接变现的 深度学习似乎也是这样 没有落地的行业背景和需求 再好的算法也发挥不了价值

今天用sklearn的svm.svc训练模型，fit的时候出现了MemoryError。另外在用cross_validation.cross_val_score做交叉检验的时候也出现了同样的问题。由于数据比较稀疏，改用了linearsvc，不会出现这种错误了，训练的也比较快。但是考虑到这种情况，如果数据集比较大，没办法一次读入内存或者一次训练完成的话，sklearn有没有提供分批读入并训练的方式呢？还请大神赐教。

RF要有很多树，每棵树选同等数目的特征，比如第一棵树随机选1，3，5号特征，第二棵树随机选2，4，6号特征，是这个意思吗？还是所有树都随机选出1，3，5呢？

比如说LR回归里面有个 城市变量，那么这个城市变量下面有1000个多个值。这么多值的分类变量模型能够进行很好的运算么？或者有没有其他好的处理方式？？

二分类问题，采用Adaboost方法，80:20划分训练集和测试集进行交叉验证。通过调整基础分类器的个数，训练集的分类正确率控制在0.6～1.0范围内时，测试集的分类正确率都在0.6左右徘徊，很难提升。通过降低模型复杂度的方式，降低了训练集的分类准确率，但并不能获得更好的泛化能力（测试集表现），请问各位大神有什么提升办法？多谢各位的回答，bow～提问时为了简单明了，已经做的一些尝试没有提到，补充说明一下哈：1.关于模型选择，已经做过，数据集本身线性不可分，用tree族和非线性kernal的svm效果都不错，从效率出发选了tree族的，random forest和adaboost也做了比较，ada更好2.关于模型的参数调优，可以尝试的 […]

家里办武校已20多年，人最多的时候学校里学生有将近500人，那是零几年的时候。当时来说我家武校在华北规模还算是可以了，校区总占地100亩左右，小学初中都有，后来发展方向没找对，我父亲重心没在学校上了，导致后来越来越不行，硬件老化，管理不到位，再加上父亲几次投资都以失败告终，资金更是很大的问题。作为儿子，真的不忍心看到父母一手创建的学校就这么没落，但是自己的能力真的很有限，一直想不出好的点子。现在我们这里出了京津冀一体化的政策，我隐隐觉得是个机会，我的意思是想发展武术夏令营，主要面对我们市里跟北京的孩子，因为我们这里到北京高铁40分钟，还是很方便的，可因为校区在郊区，离市里15公里，在市里弄一个接待点，大巴到时统一接送。这只是我一个初 […]