摘要：
在安装LibSVM前需要先装 python 和 gnuplotlinux 一般都自带了python2.7，所以python的安装不再赘述在 ubuntu下安装 gnuplot 不能直接 sudo apt-get install gnuplot，因为预编译的gnuplot不能识别ubuntu的图形界面... 阅读全文
摘要：
网页中不能显示公式和配图，带配图的doc版可以在这里查看或下载：http://pan.baidu.com/s/1vIAtp1.介绍SVM是数据分类的一个有用的技术。虽然SVM被认为比神经网络简单，不熟悉的用户一开始很容易不习惯。在此我们给出梗概。注意本指导不是给SVM研究者的，也不保证能达到高的准确... 阅读全文
摘要：
在完成了预处理和特征提取后，下一步就是用 聚类算法 进行文本聚类。在聚类算法中 距离函数的选择很重要，文本挖掘中最好的距离函数就是 余弦距离，但是Weka 3.6.10中 尚不支持余弦距离，需要自己实现。我们可以在 Eclipse 中创建一个文本挖掘的项目，引入 weka.jar，然后然后实现一个计... 阅读全文
摘要：
上一篇文章介绍了一个简单的预处理过程，这篇文章将继续演示下一步：用 weka 的 Filter 提取特征。Weka 处理数据的格式是 arff，所以首先我们要把 text_example 转换成 该格式，这里要用到weka.core.converters.TextDirectoryLoader 这个... 阅读全文
摘要：
WekaWiki上有一个文本聚类的示例，简述了使用 weka 进行文本聚类的过程，本系列文章将使用其中的text_example演示一遍 文本挖掘从 预处理 到 特征提取 再到挖掘的全过程。下载完 text_example 完后，解压，其中有3个文件夹，分别为class1，class2，class3... 阅读全文
摘要：
#py2.7#coding:utf-8import reimport osimport chardetdef filter_tag(htmlstr): re_cdata = re.compile(']*>', re.I) re_script = re.compile(']*>[^', r... 阅读全文
摘要：
Bloom-Filter算法 其实可以看作 bit-map 的一种扩展。它把已存在的元素通过多个hash 函数映射到一个 bit 序列，对于每一个元素根据hash函数的结果把相应的 位置置一（这个bit序列通常很长，但是比起记住所有元素它占用的空间是小的）。在判断一个元素时候已存在的时候，它会把这个... 阅读全文
摘要：
问题：问题1 的代码实现：#coding:utf-8#py2.7def findmaxsubstr(nums): bufs={} for i,num in enumerate(nums): if i==0: bufs[i]=num else: bufs[i]=bufs[i-1]+num ... 阅读全文
摘要：
问题描述：这是典型的并查集的应用，并查集的概念详见：http://www.doc88.com/p-375363060663.html#coding:utf-8#py2.7class unionfind: def __init__(self, groups): self.group... 阅读全文
摘要：
问题出自:http://blog.csdn.net/v_july_v/article/details/62794986、在2.5亿个整数中找出不重复的整数，注，内存不足以容纳这2.5亿个整数。 方案1：采用2-Bitmap（每个数分配2bit，00表示不存在，01表示出现一次，10表示多次，11无意... 阅读全文