17.txt

This complete matlab for neural network

发信人: GzLi (笑梨), 信区: DataMining
标  题: [合集]开题报告：数据挖掘过时了？
发信站: 南京大学小百合站 (Wed Nov  6 23:40:11 2002), 站内信件

fpzh (fpzh) 于Tue Oct 29 13:16:55 2002提到：

老板要求开题了，偶请教一师姐如何写开题报告，她居然说dm已过时了（她是做网络的
，不知从哪听的消息来打击偶的），偶心里颇有些不服。如果说Dm的技术过时，那关联
分类聚类等等可以研究出新的算法，针对问题提出新的理论，要说Dm的应用过时，哼哼
，偶不信，在这样一个信息（数据）时代，（大规模）数据分析处理会过时？

坛子里的大侠们给兄弟打打气啊，偶先给自己打气了（不过，偶还是要小心问问，决策
树这东西用作分类还不“过时”吧，做硕士课题有没有前途，偶不怕打击的，但要告诉
偶真话）

还有，偶周围没发论文的人已经不多了，老板今天还问偶发了没，偶心里也急啊，不过，
唉，偶还有点不甘心


yaomc (白头翁&山东大汉) 于Tue Oct 29 15:46:04 2002)
提到：

那什么没有过时呢？

DM从上世纪90年代刚刚开始兴起，要过时的话，也要等到人类灭亡的时候，呵呵。

strawman (独上江楼思渺然) 于Tue Oct 29 15:58:35 2002提到：

呵呵，我要说的话可能对你师姐不敬了。做研究不是做秀。你师姐当这个是时装发布会阿
？

【 在 fpzh (fpzh) 的大作中提到: 】
: 老板要求开题了，偶请教一师姐如何写开题报告，她居然说dm已过时了（她是做网络的
: ，不知从哪听的消息来打击偶的），偶心里颇有些不服。如果说Dm的技术过时，那关联
: 分类聚类等等可以研究出新的算法，针对问题提出新的理论，要说Dm的应用过时，哼哼
: ，偶不信，在这样一个信息（数据）时代，（大规模）数据分析处理会过时？
: 坛子里的大侠们给兄弟打打气啊，偶先给自己打气了（不过，偶还是要小心问问，决策
: 树这东西用作分类还不“过时”吧，做硕士课题有没有前途，偶不怕打击的，但要告诉
: 偶真话）
: 还有，偶周围没发论文的人已经不多了，老板今天还问偶发了没，偶心里也急啊，不过，
: 唉，偶还有点不甘心


GzLi (笑梨) 于Tue Oct 29 18:32:49 2002提到：

1.dm不会过时吧，不过现在做研究不适合用数据挖掘嵌入题目，因为数据挖掘这个名词
不具新颖性了，我的意思就是让某些人看了会觉得创新性不大了，
在国内要用一个新颖的词可以糊糊人。
2.至于决策树，我觉得好像是有些过时了，它的改进也该到了尽头了吧。
详细的研究，我没有做过。只是觉得这是一种技术，没有理论基础，还不如神经网络
更有研究价值，当然更比不上近几年刚起来的SVM有研究价值了。

以上都是个人一孔之见，请大家讨论。

【 在 fpzh (fpzh) 的大作中提到: 】
: 老板要求开题了，偶请教一师姐如何写开题报告，她居然说dm已过时了（她是做网络的
: ，不知从哪听的消息来打击偶的），偶心里颇有些不服。如果说Dm的技术过时，那关联
: 分类聚类等等可以研究出新的算法，针对问题提出新的理论，要说Dm的应用过时，哼哼
: ，偶不信，在这样一个信息（数据）时代，（大规模）数据分析处理会过时？
: 坛子里的大侠们给兄弟打打气啊，偶先给自己打气了（不过，偶还是要小心问问，决策
: 树这东西用作分类还不“过时”吧，做硕士课题有没有前途，偶不怕打击的，但要告诉
: 偶真话）
: 还有，偶周围没发论文的人已经不多了，老板今天还问偶发了没，偶心里也急啊，不过，
: 唉，偶还有点不甘心


fpzh (fpzh) 于Tue Oct 29 21:38:07 2002提到：

说得有一定的道理，不过神经网络对于大规模数据量的训练时间如何？能处理大数据集
的算法，如sliq，还是基于决策树的啊（或者还有其他的针对大数据集的算法）。但是
决策树本身是研究的不少了，split的评价准则就有好多，剪枝策略也不少。

【 在 GzLi (笑梨) 的大作中提到: 】
: 1.dm不会过时吧，不过现在做研究不适合用数据挖掘嵌入题目，因为数据挖掘这个名词
: 不具新颖性了，我的意思就是让某些人看了会觉得创新性不大了，
: 在国内要用一个新颖的词可以糊糊人。
: 2.至于决策树，我觉得好像是有些过时了，它的改进也该到了尽头了吧。
: 详细的研究，我没有做过。只是觉得这是一种技术，没有理论基础，还不如神经网络
: 更有研究价值，当然更比不上近几年刚起来的SVM有研究价值了。
: 以上都是个人一孔之见，请大家讨论。
: 【 在 fpzh (fpzh) 的大作中提到: 】


GzLi (笑梨) 于Tue Oct 29 22:22:23 2002提到：

SVM在处理大规模数据量的问题上虽然还存在一定的效率问题，但是现在已经有
了可行的算法，很多大规模的问题已经用SVM来解决。
决策树，研究的实在是太多了。

【 在 fpzh (fpzh) 的大作中提到: 】
: 说得有一定的道理，不过神经网络对于大规模数据量的训练时间如何？能处理大数据集
: 的算法，如sliq，还是基于决策树的啊（或者还有其他的针对大数据集的算法）。但是
: 决策树本身是研究的不少了，split的评价准则就有好多，剪枝策略也不少。
: 【 在 GzLi (笑梨) 的大作中提到: 】


tyqqre (tyqqre) 于Wed Oct 30 09:09:23 2002)
提到：

是呀，感觉上这些东东都好像被别人做得很好了!
而自己却都是从零开始似的！
呵呵！大家一起努力！

hooking (xuewei) 于Wed Oct 30 17:11:10 2002提到：

最多能处理多大规模呀？
SVM处理这些数据时，除了分类，还能做什么事情呀

【 在 GzLi (笑梨) 的大作中提到: 】
: SVM在处理大规模数据量的问题上虽然还存在一定的效率问题，但是现在已经有
: 了可行的算法，很多大规模的问题已经用SVM来解决。
: 决策树，研究的实在是太多了。
: 【 在 fpzh (fpzh) 的大作中提到: 】


GzLi (笑梨) 于Wed Oct 30 22:58:17 2002提到：

分类
聚类
回归，比如时间序列的预测
密度估计 
精华区－基础理论－机器学习－

【 在 hooking (xuewei) 的大作中提到: 】
: 最多能处理多大规模呀？
: SVM处理这些数据时，除了分类，还能做什么事情呀
: 【 在 GzLi (笑梨) 的大作中提到: 】