發信人: GzLi (笑梨), 信區: DataMining
標  題: [合集]開題報告：數據挖掘過時了？
發信站: 南京大學小百合站 (Wed Nov  6 23:40:11 2002), 站內信件

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

老板要求開題了，偶請教一師姐如何寫開題報告，她居然說dm已過時了（她是做網絡的
，不知從哪聽的消息來打擊偶的），偶心里頗有些不服。如果說Dm的技術過時，那關聯
分類聚類等等可以研究出新的算法，針對問題提出新的理論，要說Dm的應用過時，哼哼
，偶不信，在這樣一個信息（數據）時代，（大規模）數據分析處理會過時？

壇子里的大俠們給兄弟打打氣啊，偶先給自己打氣了（不過，偶還是要小心問問，決策
樹這東西用作分類還不“過時”吧，做碩士課題有沒有前途，偶不怕打擊的，但要告訴
偶真話）

還有，偶周圍沒發論文的人已經不多了，老板今天還問偶發了沒，偶心里也急啊，不過，
唉，偶還有點不甘心


yaomc (白頭翁&山東大漢) 于Tue Oct 29 15:46:04 2002)
提到：

那什么沒有過時呢？


DM從上世紀90年代剛剛開始興起，要過時的話，也要等到人類滅亡的時候，呵呵。

strawman (獨上江樓思渺然) 于Tue Oct 29 15:58:35 2002提到：

呵呵，我要說的話可能對你師姐不敬了。做研究不是做秀。你師姐當這個是時裝發布會阿
？

【 在 fpzh (fpzh) 的大作中提到: 】
: 老板要求開題了，偶請教一師姐如何寫開題報告，她居然說dm已過時了（她是做網絡的
: ，不知從哪聽的消息來打擊偶的），偶心里頗有些不服。如果說Dm的技術過時，那關聯
: 分類聚類等等可以研究出新的算法，針對問題提出新的理論，要說Dm的應用過時，哼哼
: ，偶不信，在這樣一個信息（數據）時代，（大規模）數據分析處理會過時？
: 壇子里的大俠們給兄弟打打氣啊，偶先給自己打氣了（不過，偶還是要小心問問，決策
: 樹這東西用作分類還不“過時”吧，做碩士課題有沒有前途，偶不怕打擊的，但要告訴
: 偶真話）
: 還有，偶周圍沒發論文的人已經不多了，老板今天還問偶發了沒，偶心里也急啊，不過，
: 唉，偶還有點不甘心


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

1.dm不會過時吧，不過現在做研究不適合用數據挖掘嵌入題目，因為數據挖掘這個名詞
不具新穎性了，我的意思就是讓某些人看了會覺得創新性不大了，
在國內要用一個新穎的詞可以糊糊人。
2.至于決策樹，我覺得好像是有些過時了，它的改進也該到了盡頭了吧。
詳細的研究，我沒有做過。只是覺得這是一種技術，沒有理論基礎，還不如神經網絡
更有研究價值，當然更比不上近幾年剛起來的SVM有研究價值了。

以上都是個人一孔之見，請大家討論。

【 在 fpzh (fpzh) 的大作中提到: 】
: 老板要求開題了，偶請教一師姐如何寫開題報告，她居然說dm已過時了（她是做網絡的
: ，不知從哪聽的消息來打擊偶的），偶心里頗有些不服。如果說Dm的技術過時，那關聯
: 分類聚類等等可以研究出新的算法，針對問題提出新的理論，要說Dm的應用過時，哼哼
: ，偶不信，在這樣一個信息（數據）時代，（大規模）數據分析處理會過時？
: 壇子里的大俠們給兄弟打打氣啊，偶先給自己打氣了（不過，偶還是要小心問問，決策
: 樹這東西用作分類還不“過時”吧，做碩士課題有沒有前途，偶不怕打擊的，但要告訴
: 偶真話）
: 還有，偶周圍沒發論文的人已經不多了，老板今天還問偶發了沒，偶心里也急啊，不過，
: 唉，偶還有點不甘心


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

說得有一定的道理，不過神經網絡對于大規模數據量的訓練時間如何？能處理大數據集
的算法，如sliq，還是基于決策樹的啊（或者還有其他的針對大數據集的算法）。但是
決策樹本身是研究的不少了，split的評價準則就有好多，剪枝策略也不少。

【 在 GzLi (笑梨) 的大作中提到: 】
: 1.dm不會過時吧，不過現在做研究不適合用數據挖掘嵌入題目，因為數據挖掘這個名詞
: 不具新穎性了，我的意思就是讓某些人看了會覺得創新性不大了，
: 在國內要用一個新穎的詞可以糊糊人。
: 2.至于決策樹，我覺得好像是有些過時了，它的改進也該到了盡頭了吧。
: 詳細的研究，我沒有做過。只是覺得這是一種技術，沒有理論基礎，還不如神經網絡
: 更有研究價值，當然更比不上近幾年剛起來的SVM有研究價值了。
: 以上都是個人一孔之見，請大家討論。
: 【 在 fpzh (fpzh) 的大作中提到: 】


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

SVM在處理大規模數據量的問題上雖然還存在一定的效率問題，但是現在已經有
了可行的算法，很多大規模的問題已經用SVM來解決。
決策樹，研究的實在是太多了。

【 在 fpzh (fpzh) 的大作中提到: 】
: 說得有一定的道理，不過神經網絡對于大規模數據量的訓練時間如何？能處理大數據集
: 的算法，如sliq，還是基于決策樹的啊（或者還有其他的針對大數據集的算法）。但是
: 決策樹本身是研究的不少了，split的評價準則就有好多，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，感覺上這些東東都好像被別人做得很好了!

而自己卻都是從零開始似的！

呵呵！大家一起努力！

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

最多能處理多大規模呀？
SVM處理這些數據時，除了分類，還能做什么事情呀

【 在 GzLi (笑梨) 的大作中提到: 】
: SVM在處理大規模數據量的問題上雖然還存在一定的效率問題，但是現在已經有
: 了可行的算法，很多大規模的問題已經用SVM來解決。
: 決策樹，研究的實在是太多了。
: 【 在 fpzh (fpzh) 的大作中提到: 】


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

分類
聚類
回歸，比如時間序列的預測
密度估計 
精華區－基礎理論－機器學習－

【 在 hooking (xuewei) 的大作中提到: 】
: 最多能處理多大規模呀？
: SVM處理這些數據時，除了分類，還能做什么事情呀
: 【 在 GzLi (笑梨) 的大作中提到: 】