The page you're looking for has moved, been replaced, or is currently unavailable to view. If you previously bookmarked a page and have now reached this message, check to make sure the link was not shortened, or go to our home page to find the page from there. We've been upgrading this site. If you selected a link on our site and reached this message, use the Back button to return to the previous
Jiawei Han, Micheline Kamber and Jian Pei Data Mining: Concepts and Techniques, 3rd ed. The Morgan Kaufmann Series in Data Management Systems Morgan Kaufmann Publishers, July 2011. ISBN 978-0123814791 Slides in PowerPoint Chapter 1. Introduction Chapter 2. Know Your Data Chapter 3. Data Preprocessing Chapter 4. Data Warehousing and On-Line Analytical Processing Chapter 5. Data Cube Technology
Arrowの不可能性定理 (Arrow's imposibility theorem)† 対象集合 x1...xm の順序付けをn人がしたとき,それらを統合した順序を導く順序付け関数を考える.m人の候補がいたとき,n人がそれらを支持するものから順に並べたとき,それを元に社会全体における,候補への支持の順序を決定する方法に該当. Arrowは民主的な選挙に必要な条件以下の条件を考えた: n人の順序付けの分布は任意.どの人も自由に順序付けできる. 統合した順序中で xi>xj になるかどうかは,他の候補 xk の順序とは独立に,xiとxjとだけで決まる n人全員が xi>xj の順序であれば,社会全体の順序も xi>xj となるべき (Pareto原理) ある人 a の順序が,他の人の順序に影響されることなく,常に社会全体の順序となってはならない. これらの条件を満たす順序付け関数は存在しない
量子データフュージョン (Quantum data fusion) 入力データに、計算式を作用させて、結果を得る。 これが通常のデータ解析です。 一方、量子データフュージョンは、データを作用素として、その固有状態を探ります。 量子系の特徴のひとつは、計算式が不要なことです。計算式を人間が考える必要がありませんので、 たとえそれが何のデータなのかを知らされなくても、データの本質を表す「固有状態」を得られます。 式を考える人間の能力に左右されません。 固有状態は、作用素から「計算」できるものではありません。それが固有状態であるか どうかを「検算」できるだけです。 だからこそ「本質」を表すことができます。 あるデータから「計算した」結果は、どう計算しようと、元データの射影に過ぎません。 しかし、 ある作用素に対して、固有状態であると「検算された」ものは、本質を共有する全く別種の 作用素に対しても
The contest is now closed. Thanks contestants! Winners have been announced! Check out the Results! (Note that the data sets are different for the two tasks.) E-commerce Customer Identification (Raw) The following sets of data are availabe for the E-commerce Customer Identification (Raw). They are .zip files, so use Winzip on Windows or unzip (not gunzip) on Linux. Data Set (.zip files) File Size
潜在的な顧客にいかにその人が欲しい商品を勧めるかは広告主にとって重要な要素である。この手法はインターネットユーザのサイト閲覧履歴やクリック履歴などをもとにユーザの嗜好パターンを学習し、そのユーザが好みそうな商品を推薦するための一般的な手法である。 この手法では、複数のユーザのサイト閲覧履歴データを用いる。図1は、縦軸をユーザ、横軸をWebページとして、履歴のうちどのユーザがどのWebページをクリックしたかを表している。「1」はクリックしたことを表し、「0」はそうでないことを表す。ここで、データの埋まっていない部分について、他人のデータを用いてその人の嗜好を予測するのが本手法である。 このような協調フィルタリングの手法はいくつかあるが、代表的なのが相関係数法である。これは、ユーザAとユーザBの嗜好パターンに高い相関性がある場合に、ユーザAがクリックしたサイトXをユーザBに推薦するという方法で
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く