在学界一般认为，《红楼梦》后 40 回并非曹雪芹所著。本文尝试应用机器学习的方法来分析原著文本中作者的用词习惯，从技术角度去说明《红楼梦》前 80 回和后 40 回的写作风格差别，继而可以确认后 40 回非原作者所写。 项目存放在reality-of-Dream-of-Red-Mansions。 主要原理 每个作者写作都有自己的用词习惯和风格，即使是故意模仿…

纽约时报对美国大选结果的可视化分析：大数据时代的第一次美国大选，地理学和可视化像透镜一样，可以让我们更加清楚地认识数据。

2015年被称为中国企业服务元年，企业服务如雨后春笋一般蓬勃发展。在大量资本的追捧下，SaaS企业迎来了全行业的高潮。但是据不完全统计，中国的企业服务市值目前尚不到40亿美金，而在美国，仅仅Saleforce、SAP和Oracle三家巨头的市值已经超过3500亿美元。 站在企业服务爆发的风口下，国内的SaaS企业要想成为亿万级的企业服务巨头该何去何从？跟传统…

折线图通常用来对两个连续变量的依存关系进行可视化，其中横轴很多时候是时间轴。

分享记录： 数据仓库在业界的定义，是数据仓库之前BILL最早提出的。数据仓库的建设需要一个过程，是一个方法论。数据仓库建设是把企业中所有的数据整合，加工，分析的过程。用于解决数据经营，管理问题。他不像一个产品或者数据库一样，可直接购买。 OLTP就是我们通常说的所谓业务系统。它和数据仓库是有明显差异，业务系统重在当前数据，重在是插入，比如我们一个电商交易数据…

未来，不管社会化媒体营销如何发展，但始终会有一点不变，回到商业本质：精准，精准化营销才是未来的主流

(1)2012年十月, Geoffrey Hinton, 邓力和其他几位代表四个不同机构 (多伦多大学, 微软, 谷歌, IBM) 的研究者, 联合发表论文, “深度神经网络在语音识别的声学模型中的应用: 四个研究小组的共同观点” (Deep Neural Networks for Acoustic Modelling in Spee…

通过对高校图书借阅数据的深入分析，我们发现了更有趣的结论：学习成绩、毕业去向都与图书借阅偏好有着密切的关系。

前几天突然想到，如果有人问：“网站分析主要是干什么的？投入成本来进行数据收集和数据分析又有何意义？”也许我第一反应的回答是：“网站分析能帮你更好地优化网站和推广网站。”但仔细想想，这些问题确实没有深入地思考过，也许我们日常中更多去探究网站分析的方法和实现，而对于网站分析的根本意义却没有真正地去想过。所以，这里整理了一下个人看到的目前网站分析的一些应用及体现出…

VMware CEO Pat Gelsinger曾说：数据科学是未来，大数据分析则是打开未来之门的钥匙 企业正在迅速用新技术武装自己以便从大数据项目中获益。各行业对大数据分析人才的需求也迫使我们升级自己的技能以便寻找更好的职业发展。 跳槽之前最好先搞清楚一个岗位会接触到的项目类型，这样你才能掌握所有需要的技能，工作的效率也会更高。 下面我们尽量列出了一些流行…

假设一家商业网站开发了软件产品，他们希望知道都是来自哪里的用户下载或更新我们的软件，并进行可视化分析。

散点图通常是用来表述两个连续变量之间的关系，图中的每个点表示目标数据集中的每个样本。

分享记录： 下面是具体的模型设计，一般在数据仓库行业，业务模型有两类，一类是企业自有的数据模型，一类是行业模型，比如金融业：天睿，银行业、保险业、制造业、医疗生命科学行业，这些一般是实施顾问团队总结的。但这些行业模型在中国市场运行的不太好，除了金融和电信稍好点，其他行业因发展较快、业务变化较快，迭代较国外快很多。我不建议以自上而下的方式、预先用一个模型将自己…

这次分享的 《深入浅出数据产品三部曲》系列文章是正在写的《深入浅出数据产品》Building big Data Products 书的节选。

  (1)循环神经网络 (RNN)的本质, 是可以处理一个长度变化的序列的输出和输入 (多对多). 广义的看, 如果传统的前馈神经网络做的事, 是对一个函数的优化 (比如图像识别). 那么循环神经网络做的事, 则是对一个程序的优化,应用空间宽阔得多.长短期记忆 (LSTM)的架构, 使有用的历史信息, 可以保留下来,很久以后仍然可以读取.一个有趣的…

用人话讲明白kmeans聚类算法

市场规模的估算对于企业运营至关重要，若估算结果与实际水平相去甚远，企业要么会承受过剩的库存，要么会因存货短缺丧失赚钱的机会。 那么，什么是市场规模，又该如何对市场规模进行估算呢？ 一、什么是市场规模 市场规模即市场容量，是一个特定产品的购买用户数（或销售量、销售额）。 由于市场具有不同的维度、阶段和层次。因此在开始估算前，首先要问自己，我到底要估算的是什么市…

Oryx的目标是帮助Hadoop用户搭建并部署能够实时查询的机器学习模型，例如垃圾邮件过滤和推荐引擎。随着数据的不断流入，Oryx还将支持自我更新。 无论从建模还是部署，Oryx都可以随需扩展，Owen认为这是Oryx与Hadoop的传统“甜蜜点”——探索性分析和运营性分析最大的不同。 Owen认为传统的在Hadoop上部署机器学习的技术——Apache M…

本文将介绍如何利用它来可视化展示城市的交通便捷性，本文的相关代码和数据都托管在 Github。

导读：“每一张图片都能讲述一个故事，难道不是吗”——引用 Rod Stewart 的歌词开始这篇文章。用数据讲故事被一些BI和数据可视化供应商视为一大卖点，但就像引用的这首1971年的老歌一样，数据讲述其实并不是什么新鲜的事物。 作为市场营销人员，更喜欢可靠的营销信息，用数据讲述是非常重要的。但是BI和可视化软件供应商现在做的只是让企业的数据讲述方式更加丰富…