之前一直把心思放在有监督的文本分类学习上。最近将一些概念复习时发现了LSA，PLSA这些东东，但是无奈不是非常得明白（主要是应用上的，例如输入是文档词条矩阵，那么输出呢？经过SVD分解之后的矩阵？）。想求教下各位大大，现在有没有相关的应用场景？LSA和监督分类算法结合的？

我有一组数据，有50多个属性（记为Attribute 1, Attribute 2, …, Attribute n），均为数值型，现在我想对Attribute1进行预测，并想知道Attribute 2-n哪些属性对预测Attribute 1 有帮助，需要进行 feature selection。 请问我应如何进行feature selection呢？在Weka上怎么实现？

在我所接触过的特征学习的项目中（学校，工作），特征都是由人提取出来的。比如我们要预测天气，那么就直观的去想象什么因素可能与之后的天气有关，湿度，温度，是否有云，etc.。但是，这样的提取特征不仅仅需要很专业的知识，而且有些时候人的思维是有局限的，很难做到特征的准确性，高覆盖性。那么在工业中，是否有算法用来确定特征，而非“手工特征工程”。

1.在产品的角度来分析这款产品2.在营销的角度来研究QQ空间3.在推广角度分析请各位专家 从产品分析 竞品 用户人群画像 营销技巧 推广手段等等方面 来给我指点指点分析分析

是比较某个特征shuffle与否，对结果是否影响较大来确定特征的重要性，但是boruta的具体步骤不明白Z score究竟是怎么算的，求教

店在高中对面 离大学宿舍就200米 但出口不是在这里 走过来的人不多

想了解企业家、社会精英、中产阶级中压力大的那群人（主要是男人），他们的喜好是什么？阅读什么杂志和书籍？上什么网站？喜欢浏览和转发什么类型的内容？不是为了泡他们，只是工作中针对的人群经常有这类人，生活中实在没有什么机会了解，所以在这里问下知友。