比如现在有300家公司一年的股票价格（时间都是2014.9.1~2015.9.1），如何将这300家公司根据股价走势分类，将股价波动及走势相似的公司分到一类？无监督，分成几类事先不知道。

本人数学专业，今年刚毕业，想考数据挖掘方面的研究生，在成都就读。请问川大和电子科大哪个学校这方面好些？

安卓出身，安卓3年多，自学数据挖掘的要学多久才能差不多能找到工作

首先对经验数据进行分析，得到特征属性，以此特性进行挖掘，希望得到划分结果，这属于聚类还是分类？例如，已购买某产品的用户具有一些特性，得到用户画像，我采用某种算法分析出大量用户中可能购买此商品的用户群，这是聚类还是分类？虽然我事先知道划分的结果是可能/不可能，但这个应该属于聚类吧？另外，如能够传授些聚类算法，用于分析用户的就更感谢了！

评估分类结果的好坏时，一般用准确率和召回率，但是这个方法的前提是我有标注的正负样本。如果我没有正负样本的情况下，怎么知道我的分类结果好不好？一定要通过标注正负样本，然后计算F-Score来评估吗？比如：我在新浪微博随机抓取了1000万用户，我通过一些特征或规则，可以判断这些用户的性别，是否已婚，是否单身等等，那么我的这些规则可以看成是一个分类模型。在这种情况下，有什么办法可以评估我这个分类模型是否合理，或者如何评估我的这个分类模型的好坏呢？有没有比较通用的方法？

我们知道标题中出现的三类产品是数据挖掘常用的工具，我的问题有二：其一，前二分别更倾向于实际工程还是学术研究？：如果是实际工程中广泛应用的话，请列举国内外厂商的实际应用案例，简单说就是在何种应用场景下实现了哪些功能（如果您在实际研发过程中使用过前两者，也欢迎探讨），如沃尔玛用weka完成了一个什么事情（各类搜索引擎很少涉略这方面资料，需借助各位的内部信息源）；如果是学术领域，也请列举相关含金量较高的专利；其二，近来几个大数据项目均告一段落，想抽身做一个小科研，请推荐数据挖掘、数据可视化等方向有趣有料有价值的小课题。谢谢您！

先介绍一下背景吧，目前刚毕业在一家外企做java后台开发，用的都是公司自己的框架，我的工作比较杂，虽说是开发，但大部分都是些琐碎的任务，没啥技术含量，也怪自己入职前没有了解清楚。外企的工作文化比较轻松，感觉像温水煮青蛙，上班三个月了很迷茫，也没导师带，过多关于公司的槽点我就不吐了，俗话说穷则思变，所以有以下几个问题：1，未来往哪个方向发展？感觉现在最火的两个领域就是互联网和大数据，而我主要是做java web的，也有一些Spring+Hibernate开发的经验，在考虑是否要去互联网公司磨练自己的能力。另一方面，大数据、数据挖掘也是潜力很大的一个方向，前段时间刚出的《大数据纲要》似乎也表明国家对这方面的重视，不过我对于大数据是没有任 […]