最近在做文本分类，遇到了一些问题，想问问大家有没有好的方法。为了节省时间，我只采取了部分数据来跑算法（全部数据跑了之后的结果和这个差不多）训练集：4837 documents测试集：2074 documents样本比例：正样本：负样本 = 1：3预测结果中，有的算法在正样本中预测的精确率还行（0.95-1.00之间），但是召回率非常差，通常只有0.01和0.02左右，KNeighbors和DecisionTree的精确率和召回率都是0，只有NaiveBayes和BernoulliNB的PR和Recall比较平均，但是也没有到0.8。问题：我查了一下那些召回率较低（0.01）的算法，475个样本中（正样本），实际上只有5个被预测正确了 […]

计算广告中用到的算法并不是太多，很多时候是在琢磨业务，观察数据，寻找特征，反复试验。工作一段时间下来，相对搞深度学习的朋友感觉自己学到的太少了。搞深度学习的不断的学习新算法，图像方面的还可以做出漂亮的demo，很容易就能够向人证明自己的工作，自己的实力、竞争力。那么对于做广告算法的工程师而言，核心竞争力在哪呢？花了大量时间折腾数据，偏偏这方面还没啥好说的。搞广告算法，最终可以在简历上留下什么呢？不知道有没有过来人可以解答一下，这个问题应该会是不少初入这行的同学的困惑吧？

工作中经常会提取出一堆数据【十万级】在不同维度的特征，这些数据中存在异常点，经验估计异常点数量占比约10%左右，具体在哪些特征上异常未知，并且没有标注数据，我的问题有两个：1）包含比例的特征，比如同样是100%，10/10，和100/100是不同的，有哪些方法可以衡量，2）如何发掘这些数据中比较异常的点？

时态数据挖掘(Temporal Data Mining)是个怎么样的研究领域？如题，这类问题和传统的机器学习与时间序列建模有何区别和联系？最好有个简单的综述？

问题是0、1分类有分类器A，分类器A（也是用于同一分类，暂且认为这个分类器是有效的，好于随机但也不够理想）判断为1以后，才可以知道样本的真实标签，换句话说，样本有两个标签，真实标签和是否通过分类器A。如果没有通过分类器A，那么也没有真实标签。问：现在需要训练分类器B取代分类器A，但可以用的有真实标签的样本是已经通过了分类器A的。现在分类器A已经没有了，而且不可知。如果只用知道样本的真实标签的数据进行训练比如会出现偏差（因为分类器A已经过滤了一部分）。怎么处理这个问题？或者说怎么将原本没有通过A的样本的标签表示出来？

注意，是时间序列的预测问题（特别是只预测一个y值）。实际问题场景如下描述：首先是时间轴，共5个月，每天中的每个时间段（24个）的y值，然后预测第六个月（或只是第六个月第一周）的每天的24个时间段的y值。这里的y值是类似于某一公园的总客流量这样的变量。因此y值受当天天气、节假日等因素的影响。关于预测方法，我查过之后，得知主要有三类方法：1，线性回归之类的，这类方法我比较熟悉，可以将上述（天气、节假日）的因素提取特征加进去；2，ARIMA类的经典时间序列方法；3，RNN和LSTM等机器学习方法。只是我对2和3了解很少，不知道如何将上述（天气、节假日）的因素提取特征加进去？所以，1：目前这类问题最好的方法是哪一类？2：如果使用LSTM或Ｒ […]

求助万能的知乎~前段时间拿到了那边的offer，但是对这个职位一直处于不了解的状态。个人比较喜欢做数据挖掘方面的事情，家也在南方，所以投递了这个职位。有以下一些疑虑，想向知情人士询问：(1) 游戏里的数据挖掘目前似乎还没有发展起来，这方面的资料也较少。是不是从侧面上说明，游戏里的数据挖掘是否相对冷门且起的作用并不大（相较于游戏角色设计、场景设计及相关美工等）？这会不会对今后的职业发展有所限制？(2) 这个职位的主要工作是什么？听说主要是数据的清洗、统计和存储相关，那么是否能用到常用的机器学习方面的模型和算法？有什么应用场景？希望能得到相关人士的回答，非常感谢。

小弟目前211大三数学专业在读，想要申请UCB的data science的master，但是找了很久也没有在官网上找到详细的介绍，求大神们介绍一下可以申请的有哪些专业方向，以及有哪些比较好的教授，还有比较关心的是对这个专业的master的申请来说，paper和实习经历上，怎么样能够比较出彩？ 其次，还想问一下machine learning的PhD的情况，同样的，能不能也请介绍一下有哪些比较好的教授以及这个专业的设置情况，多谢！