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？

对于数据分析、数据挖掘，知识相对零散，对照教材上的简单例子训练不够系统。请问入门实战内容（非入门基础知识）大家有什么建议？再强调一下，不必贴知乎已有的关于基础知识的回答，比如建议看《用python做数据分析》、统计学教材、pandas、sklearn文档什么什么的，要实战的，有接近实际的例子的。非常感谢！

以下是报错代码，求大神解决 我跑的是8.6G的数据。系统是Ubuntu操作系统我的理解是Hadoop的内存不够 ? 请告诉我是不是? 如果是该怎么设置 ? 我是用终端运行JAVA程序， 没有用eclipse，也没有用tomcat

数据预处理的好坏，很大程度上决定了模型分析结果的好坏。（Garbage In Garbage Out！）其中，异常值（outliers）检测是整个数据预处理过程中，十分重要的一环。方法也是多种多样。比如有基于经典统计的方法——三倍于标准差之上的数据为异常值等等。由于异常值检验，和去重、缺失值处理不同，它带有一定的主观性。所以，想请问一下各位大牛，平时你们更愿意相信哪种或哪几种异常值检测的方法。谢谢！~

像中国腐蚀与防护网中的这种零散的表格，要把它提取出来并排列成下图的样子：

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？

目前有一个需要做的工作是基于经纬度进行聚类，数学只学过微积分，线代，概率统计，复变这样的基础课程。

请问一下java/c/c++在数据挖掘中的具体作用，我觉得大部分时间用python就可以了。。。