我把对象数据按排序后分1,0 两类比例按一个百分比然后发现训练集百分比低至0.3就会全部选0,反则0.6以上就全部选1请问为什么呢

在eclipse上开发python我知道怎么装插件，但是matplotlib总是用不了，现在换成了pythonxy，什么包都有了，但是比较习惯用eclipse开发环境，请问怎么装插件？？就用的是实现数据挖掘算法的，跪谢！

是这样的，题主正在纠结硕士学位论文开题。因为实习的原因，手头上有一些 搜索的日志(数据量够大，特征够多)。 想利用这个资源，与机器学习相结合写一篇论文。(自学了一年机器学习。)目前本人找到了两个点，一个是排序学习(learning to rank)的研究， 但是这个算法方面不知道自己能不能提出什么创新点？第二个是一个相关query的推荐系统的应用实现。但是这个又 感觉不够新颖？这两个方面有比较符合要求(研究方面要有一定的创新点， 应用方面要有一定的技术含量。)的题目(方向)？除此之外，还有什么 比较好的方向和题目？ 抛开搜索，有比较好的数据来源的应用点， 也可考虑。还有 不到一个月就要开题了。 由于某些原因，只能靠自己来想。 真心求 […]

题主是上海某高校统计学硕士，平时用R比较多，对机器学习有浓厚兴趣并开始学习，现在看了一些机器学习理论的书，对算法有个大致了解了，想知道以后如果想往这方面发展，是应该自己去编程实现呢？还是用R中那些成熟的package去实现呢？

当大数据时代发展到极致时，经专业人士针对性的具体分析后能否对一个人进行神指引，预测其的人生轨迹，生活等各方面的走向等；如果真的走到这一步应该怎么办？

从数据挖掘类岗位（比如数据挖掘工程师）的长远发展来看，究竟是计算机与数学专业中的哪个更具有潜力？或者说，具备更加合适的知识结构与思维方式？

如果在处理的数据中，有的是分布：比如工厂内分贝值的分布，或者电机转速的分布。一般一个分布（一维的）就是一个向量，满足每一个维度都大于0且L^1(V)=1，平时我们也直接当成向量进行处理，求欧氏距离，但是觉得这样做并不科学，因为作为向量就默认了“维度”这一坐标是没有意义的，可是实际上，分布里的横坐标有着很实际的意义，比如分贝或者转速。请问用什么方法可以更好地衡量两个分布之间的相似度（或者距离）？

像python 中的random 随机，怎么证明随机出来的数是随机的，