数据“爆炸”的时代，大数据常常被寄予厚望。到底，什么样的数据才算大数据，怎样才能用好大数据，传统统计学还有用武之地吗？清华大学统计学研究中心前不久成立，著名统计学家、哈佛大学终身教授刘军担任主任。日前

　　1. 前言 分类与回归树（Classification and Regression Trees, CART）是由四人帮Leo Breiman, Jerome Friedman, Richard Ol

　　1. 朴素贝叶斯算法 朴素贝叶斯分类器的主要思路：通过联合概率P(x,y)=P(x|y)P(y)建模，运用贝叶斯定理求解后验概率P(y|x)；将后验概率最大者对应的的类别作为预测类别。   分类方法

　　本文讨论的kNN算法是监督学习中分类方法的一种。所谓监督学习与非监督学习，是指训练数据是否有标注类别，若有则为监督学习，若否则为非监督学习。监督学习是根据输入数据（训练数据）学习一个模型，能对后来的输

　　1. 集成学习 集成学习（ensemble learning）通过组合多个基分类器（base classifier）来完成学习任务，颇有点“三个臭皮匠顶个诸葛亮”的意味。基分类器一般采用的是弱可学习（

　　1. 极大似然 极大似然（Maximum Likelihood）估计为用于已知模型的参数估计的统计学方法。比如，我们想了解抛硬币是正面（head）的概率分布θ；那么可以通过最大似然估计方法求得。假如我

　　1. 关联分析 关联分析是一类非常有用的数据挖掘方法，能从数据中挖掘出潜在的关联关系。比如，在著名的购物篮事务（market basket transactions）问题中，   关联分析则被用来找出

　　SVM（Support Vector Machines）是分类算法中应用广泛、效果不错的一类。《统计学习方法》对SVM的数学原理做了详细推导与论述，本文仅做整理。由简至繁SVM可分类为三类：线性可分（

　　1. 引言 k-means与kNN虽然都是以k打头，但却是两类算法——kNN为监督学习中的分类算法，而k-means则是非监督学习中的聚类算法；二者相同之处：均利用近邻信息来标注类别。 聚类是数据挖掘

　　前段时间刚完成了一个分析网站流程的每个步骤的流失率，并用漏斗模型进行展示的需求，这里跟大家来分享一下。分析过程可以从以下三步展开：确定需要分析的访问路径或操作流程，收集数据并分别统计出该路径中每一步的

　　1、决策树模型与学习 决策树（decision tree）算法基于特征属性进行分类，其主要的优点：模型具有可读性，计算量小，分类速度快。决策树算法包括了由Quinlan提出的ID3与C4.5，Brei

　　无论低风险投资还是高风险投资，和长期的收益率没有直接的关系，低风险可能低收益，比如天天存活期，每天资金0回撤，高风险也可能低收益，股民70%都赔钱，低风险可能高收益，每年复利30%多，10年就是20倍

　　1. 引言 PageRank是Sergey Brin与Larry Page于1998年在WWW7会议上提出来的，用来解决链接分析中网页排名的问题。在衡量一个网页的排名，直觉告诉我们： 当一个网页被更多

　　所周知，期货价格只有三种运动方向：上涨、下跌和盘整。看起来很简单，但是真正交易起来，涨中有跌，跌中带涨，时不时有震荡加入其中，价格走向错综复杂；再加上恐惧和贪婪心理的存在加深了期货价格的波动幅度，让人

　　中长线交易  中长线交易要取得稳定良好的收益，必须对中长期的基本面 判断准确，这基于很好地掌握品种的供求关系，以及对产业的相关信息把握到位、及时，同时还必须对政策及经济环境有比较准确的分析。而拥有现货