985工科院校毕业两年进入央企能源行业工作，不喜欢养尊处优，循规蹈矩的工作环境，希望通过学习媒体类相关知识转行自己喜欢的富有激情与挑战的广告界，谢谢行内精英指引~么么哒

小白初入统计大门，问题有点多，求大神指教～——————— Logistic回归除了检验各系数的显著性（p 值），似然比检验外，还有哪些检验模型拟合优度的方法？ 如果使用logit建立评级体系（分类）除了ROC曲线及c统计量（AUC）外，还有哪些指标和方法评价模型的质量？ 最后R中是否有完备的包处理Logit回归呢？

现在的数据挖掘和分析建模主要就是用逻辑回归之类的处理分类问题，一些非结构化数据用到DL来构造特征可能会比较好。但是貌似处理构造特征，深度学习在数据挖掘领域还有什么可以做的？如何对构造用户画像和推荐系统有什么帮助？

我们在机器学习的案例中经常会陷入一种情况，即数据量不足，或者在维度过高的情况下，数据量相对不足。如果是维度过高造成的数据量不足（维度灾难），我们可以用降维的方式来“缓解压力”，但是在某些情况下，即使降维之后，我们依然没有足够的数据。比如一次调查中，我们只获得了几千份样本，那么，在数据量已经固定且很少的情况下，我们可以用什么方法，或者哪种模型来取得更好的预测性能？为什么？

如题所示，大家觉得在模型训练中，正负样本选取已那种比例比较好，是基于样本的分布选取比例，还是直接1:1，或者与模型有关呢

和其他主流的聚类算法有什么区别？为什么数据挖掘和机器学习的书籍中都很少提到？

读电子商务哪个学校好

基本没用过百度的翻译，都是用谷歌翻译和有道词典，他这个获奖水分如何？

刚入门对股票不是很了解，刚看到“曙光初现”形态助你正确抓牛股，问一下知乎的大神们。

一般搜索结果是按照和查询词的相关度排序的；但是电商搜索中会要求按照价格，销量什么的排序，这样怎么保证排在前面的商品和查询词有较高的相关度呢？