ML_DM

现在实习有个任务将英文论文中的文章拆分成句子，请问有什么比较好的方案吗？ 现在想的方法是简单的通过"." "?" 等标点分割。但是有些切分很乱想问下有什么好办法能切分准确一些？ 谢谢大家

管院IT小白一枚，现在导师有一个题目需要用到微博数据，需要采集的数据是某个/某批博主所发布的微博及各条微博所获得的评论、转发和赞。除此之外，还需要这些评论和转发所获得的评论和赞。其中，评论既要有数量，还要有内容。 一头雾水啊??不知道从何下手，比如：用什么软件？有没有符合以上要求的现成的代码？跪求高人出手相助！

最近有个模型需要验证数据，以前caffe比较熟悉，新工程调得tensorflow接口，不知道如何获取每一层操作的输入和输出数据。有了解的帮忙说下，感激不尽啦！ 发自「贵邮」

最近有个大数据词频统计的作业，零基础小白看了一堆网页还是感觉没有思路，真心求助！ 我目前已经把数据预处理的工作做完了，整理出一个txt文档，内容如下： 123，234，159， 234， 146，159，159， ……………… 就是只有数字和逗号，只不过有两百万行，想统计出每个数字出现的次数，比如159出现3次，123…

毕设可能会用到，之前用过Ikanalyzer， 还有什么好用的工具没？还有求推荐中文词典

在虚拟机中装的linux系统，并将hadoop装在了上边，用linux命令时一切正常，但是用win7上的eclipse就是连不上，在win7 的cmd中ping一下hadoop中的nat网址，也是正常的。求大神指教。

做分类完全半路出家，就会调个包。 现在小论文很捉急，自己找了俩月都没啥思路。 所以求问各位大神，libsvm结合adaboosting的时候，样本权重体现在哪啊。 现在能找到libsvm在训练过程中加权重的包，但是测试的时候就不能用了啊。 但是adaboosting收集的都是测试结果的权重吧。这样就没法进行下一轮迭代了…

最近准备去玩kaggle了，不知道现在有没有打kaggle的同学或者群什么的好交流啊

题目: 单次1000元以上急求NLP大神指导 内容: 本人单次1000元以上急求熟悉NLP的优秀硕士、博士或已工作人员指导，如果效果好，价钱您定～绝对真诚！ 方向是以question-answering为目的的query-rewrite（paraphrase），大致有三个办法：paraphrase rule，语意语法，…

貌似大规模数据的线性SVM更喜欢随机梯度下降来求解（看到很多这么求解的，包括spark的MLlib），那么线性不可分SVM也可以用随机梯度下降么？ 这个时候核函数怎么融入进去？怎么用？ 不知道我这么表述清不清楚，相关的论文我也没怎么搜到。 还请大神赐教！ p.s. 现在是想用spark实现SVM

如果你有激情加入创业公司，同时又对投资与创业感兴趣，来吧，股权+money都有，薪水7k左右，毕竟创业公司嘛

不太理解这一点 是可以有交叠，还是完全不一样？ 求大神指点

于是北邮大多数搞数据挖掘的老板是以下三种类型： 1. 不会数据挖掘，搞数据挖掘的 2.不会数据挖掘，喜欢瞎指导，不关心模型和效果只关心工程，搞数据挖掘的 3.不会数据挖掘，喜欢瞎指导，不关心模型和效果只关心工程，还特么没数据，搞数据挖掘的 没错，上次说类型2是辣鸡，上了10大，然后删帖的是我。这回我又忍不住来吐槽了，欢…

如题，因项目需要，求次课程PPT。哪位小伙伴有的话可以私信我，万分感谢

第一次昨天池，然后现在碰到了这种情况。。。。。。。测试集上效果好的模型，提交后的结果不一定好。。。。。交叉验证的结果来看，train和test的rmse都在降，所以感觉基本没有过拟合的可能性。。。。现在感觉心好累调好了参数也没用，交上去的结果还是那么差。。。。。。有人有过这种情况么。。。