火电厂每天有大量监控数据(包括各转机的轴承温度/震动,还有流量什么的)不知道这些数据有什么用

准备初次接触这个，该怎么学习spark，求建议准备完成 基于spark的分类算法的设计与研究 这个毕设 之前不了解数据挖掘 不了解spark 难度高么 求大神们的指点

具体说就是我自己不愿意搜集信息，平生最烦就是向excel里面录入信息，但是非常喜欢在众多已有的信息中搜寻自己需要的信息，并分析。也比较喜欢分析数据，喜欢做预测。这样的我适合什么与金融相关的职业

我现在刚上研一，不想读博，想了解一下数据挖掘这个方向对于女生来说，研究生出来后好就业吗？是不是很难学，只能学点皮毛，企业也不会收？我们实验室有嵌入式，软件编程，PLC，现在有点迷茫，请各位知友给点意见，谢谢^O^

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？

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 […]

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。

挖掘同义词有哪些比较好的方法呢？比如优劣和好坏就是一对同义词。或者有小伙伴用word2vec来挖掘过吗？效果怎么样，具体有什么方法呢？

网络建模课需要做一个项目，打算做关于中国城市之间每天的火车车次数量。从网上找不到完整的列车时刻表数据，请问有什么方便的办法得到这些数据吗？如果没有办法直接下载到，也请教一下怎么用爬虫来获取数据。PS：一般来说火车时刻表还是固定的，所以只要是最近的某一天的时刻就行了。

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？