又到了填志願的時間，掐指一算過了好多年。只記得當年我沒有考指考，直接用推甄的，而推的學校也是親戚不知道哪裡弄來的「去年錄取分數表」，然後就不知不覺的過了大學。最近因緣際會下，朋友要我比較一下落點分析的網站，才發現原來現在好多學校都有提供這樣的服務，不禁讓我覺得，要是當年有這樣的工具也許會上更好的科系XD 市面上落點分析工具最麻煩的地方是要註冊或下載，不過現在都已經是雲端時帶了，下載幹嘛呢？讓我話不多說看看2011台大資管落點分析系統-ImWhatIM怎麼操作吧！ ▲2011台大資管落點分析...

繼續閱讀全文　免註冊指考落點分析 (Powered by 台大資管)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有26 意見

沒想到「碼上會」還會有第二集，標題有點聳動，但在這裡的「動態資料」指的是從資料庫load 出資料(一般libSVM都是標準格式的讀檔案來分析)。此外這篇還涉及處理一個文字探勘(Text Mining)中重要問題 ─ 資料分散(Sparse data)。由於網路上沒有其他實作，所以我想使用以下講解的程式碼，可以讓你加快libSVM的分析效能，也可以提升不少工作效率(不用再輸出多個檔案就能交叉測試)。 ▲將libSVM嵌入你的java程式，從資料庫中撈出資料直接訓練 libSVM簡介...

繼續閱讀全文　碼上會！Java+libSVM 分析動態資料 (144行)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有7 意見

好，我承認標題下得有點好笑，而且也很意外寫這種實作的文章(我早就往理論派轉型了)。總之照著這篇文章的步驟，你可以使用java 將一串正體(繁體)中文的字串依照詞彙切開，以方便進行中文文字探勘(Text Mining)等計算詞頻的工作。 ▲mmseg4j中文斷詞結果，可以看到它把「處理」、「文章」等詞分割出來 首先呢，為了簡化開發，程式都在Eclipse 上開發，以下用簡單兩句話說明Eclipse 如何安裝： 到Java網站，下載並安裝JRE (請選擇合適的作業系統) ...

繼續閱讀全文　碼上會！ mmseg4j 中文斷詞java 實作 (55行)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有7 意見

看完這篇文章，你會對機器學習最入門的概念─「感知學習演算法」有基本的認知。因為筆者數學並不好，為了寫這篇，我花了大約30小時，看了10多個版本的教學(n次)，在成大數學的高手歐民同學的指導下，站在好懂的角度撰寫，希望不會令你感到失望 :) 感知器是幹麻用的？ 用來產生判斷結果！會經由多個輸入的數據，透過運算產生一個非黑即白的結果，用途相當廣泛。例如透過收入、負債的數據，協助銀行判斷顧客是否可以核辦信用卡(可發/不可發)、或是可以找出潛在消費者(潛在/非潛在)、判斷股票未來的走勢(漲/跌)等等。...

繼續閱讀全文　感知學習演算法(Perceptron Learning Algorithm)白話說明

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有11 意見

明天(9/13)即將開學，讓我們來回顧一下這個暑假吧！整個暑假近三個月的時間(6/24~7/12)，大致上可以分成三個部分。前半段以資種生活為主，令人流連的南京海外參訪、招生專案以及中間的許多小活動；後半段以政大生活為中心，包括大和國的畢業旅行、新生迎新共識營等等。至於第三個部分，是一直貫串的創業與家庭生活，我認為是我的主軸，雖然創業進度大大落後，讓人不堪回顧放假前訂的計畫(說的大話)，但我想累積的這些知識，與自我學習的態度，仍是相當可觀的收穫！ 暑期作息表 七月十八日，老楊的研討會論文告一段落(deadline:7/16)，我花了兩天的時間，安排暑假的作息，如下表：...

繼續閱讀全文　2010 暑假生活總回顧

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有4 意見

這依然是一篇逐字翻譯的文章，需要注意的是第四節「評估」我沒有完全翻完，因為我已經在第三節「演算法」找到我想看的東西了，而第四節主要就有點老王賣瓜的比較與其他分段方法的優越性，因此我只翻譯了第四節的結論，有興趣的讀者可以閱讀原文。本文分段完全依照原文所訂，對照起來應該相當容易，末段「心得」為我的見解，也一併與你分享。當然，翻譯的目的依然是讓中文為母語的讀者能快速掌握這些知識，以利後進學者的研究。   ▲研究苦悶可以到郊外走走，看見藍天白雲和蔚藍的大海，必能使人心曠神怡(圖為筆者6:40...

繼續閱讀全文　中譯：進階領域獨立的線性文件分段 (Advances in domain independent linear text segmentation)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有18 意見

找到這篇是因為看了一篇寫得非常非常好的國內論文《混合式自動文件摘要方法》(這真的寫得非常好，學習Text Mining 非常推薦以之為基礎)，想要多了解文法剖析法(Linguistic Approach)，因為文中指出Brunn所作的《Text Summarization Using Lexical Chains》提出的系統架構與我的想法相近。但後來發現命題相近的《Using lexical chains for text summarization》可能才是所謂的key paper(引用598次)，不過都翻譯了，就丟上來啦。我依照原文的章節形式分段，並用標楷體標註非作者提及的內容，文末心得處亦為我讀後的見解，為了避免讀者混淆，特別在此註明。...

繼續閱讀全文　中譯：使用語彙鏈建立文件摘要(Text Summarzation Using Lexical Chains)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有6 意見

「資訊種子」不限資訊相關科系學生參加，是台北縣電腦公會辦的公益(免費)活動，為期一年。聘請經理級以上講師固定於周六下午上課(課程內容包含資訊產業、數位內容、生涯規劃、智慧財產…)，此外還有企業參訪、專案參與及海外參訪，最重要的是，誠如我說的，可以完成學生階段「認識不同領域的優秀人才」的目標。   ▲想要成為眾所矚目的焦點，加入資種，你也可以！ 好了，其實已經差不多介紹完了！我認為在資訊種子最大的收穫是能夠認識許多優秀、負責且活躍的同儕，這些人脈的培養將會使你在未來的人生上左右逢源。舉個簡單的例子，據我所知，本屆資訊種子的學員報名微軟實習計畫全部都錄取了，由此可知將資訊種子比喻為成功的搖籃毫不為過。...

繼續閱讀全文　資訊種子：即將大三到碩一的你 請讀這篇可能改變你一生的文章

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有5 意見

「人生的課題，如果你沒有學會處理，它就會一而再、再而三的讓你練習」…其實也沒那麼嚴肅啦，只是小時候沒學好，最近讀論文的時候一直碰到馬可夫鏈…讓我覺得很卡，於是想說花一些時間把這個關節打通。我希望用一些淺顯易懂的文字寫一些老嫗能解的馬可夫鏈概念(千萬不要像維基百科寫得像天書般)，這就是邊學邊寫的最高境界吧，我想！ ▲當我聽到「馬可夫鏈」的時候，總會想像一條長長的鏈子，鏈住馬的頭@@ 正文開始 我們想像有一些加以編號的桶子，每個桶子裡面裝著數顆編號過的球，如下圖所示： ...

繼續閱讀全文　什麼是 馬...馬可夫鏈(Markov Chains)？

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有9 意見