从中吸取经验教训

可以直接下载或者有相关的可以直接获取到大量数据的API，最好不需要用爬虫去爬

题主是一名普通211学校的统计学研二学生，本科专业是渣二本的信息与计算科学。 什么样的条件才是bat这类公司（最好是在成都）所需要的呢？我数据分析和数据挖掘的都会一点，但不深Excel,spss,R,matlab,SQL,Python等这些工具都只能基本能用，没几个学的好的，不百度谷歌的话，只能写点小程序（我说的小程序是指一百行以内的代码 ）理论方面还稍微好点，统计的和统计学习的基础知识都还有点，就像机器学习的模型推导在我看来比实用编程亲切多了。 现在在一家大数据公司实习，当然只是名义上的，根本接触不到项目只是在SQL查查数据，或者做做因子分析，k-means聚类，决策树什么的。Hadoop和spark就别想了，当然我也不会。 那么 […]

Typing Pattern被用于Coursera认证等诸多场景。如何比较准确地通过打字习惯进行身份识别？有哪些比较成熟的算法？

我们是一家做大数据的公司 请问下同政府合作 成立大数据交易中心的条件以及成立的程序

最近在用xgboost进行数据分类，xgboost是最近很牛逼的一个boost实现，在很多数据挖掘比赛(比如kaggle)上都大放异彩我使用的是xgboost的java版本，用了它自带的例子没有任何问题，分类很正确，但是用自己生成的数据测试就不对劲了，我生成了一组用肉眼就可以区分的数据1,1,1,1,1,1,1,21,1,1,1,1,1,1,2…1,1,1,1,1,1,1,22,2,2,2,2,2,2,42,2,2,2,2,2,2,4…2,2,2,2,2,2,2,4并转换成了SVM格式的数据文件，结果用xgboost训练时只有50%的准确率，这是为毛啊？xgboost的参数我都是按照默认来的没动过(̶ […]

实际背景：预测一个用户的购买时间可用数据：历史购买时间准备解法：算出历史购买时间间隔，假设其符合正态分布。计算最近一次购买时间距今天的间隔时间。最后计算置信区间blablabla. P.s 整体的用户购买间隔不符合正态分布，所以单独计算每一个用户。那么问题来了：用户的购买次数不多，也就3 ~ 10次（即样本量只有2~9且方差大）。所以可以用上面解法么？