研究问题：

1、  为什么Naïve Bayesion和Bayesion的有效性差不多？

2、  如何预先得知一堆数据中cluster的个数？

3、  如何评估一个cluster的好坏？

4、  异质网络中，那条meta-path真正起作用？作用是什么？

 

好问题的特征：

1、  大家都知道这样却不知道为什么这样的问题；

2、  研究****是否可行；

数据挖掘方面三大会议

KDD：注重新颖的application, principle更重要，看重fundamental idea

ICDM: 注重技巧、数学公式和推理

SDM：与统计、数学有关的东西在SDM上比较严格

 

Microsoft Belief Networks

用于贝叶斯推理，贝叶斯网络的求解工具

http://www.idi.ntnu.no/~dingsoyr/diploma/node37.html

 

加州大学机器学习数据库

这个数据库中有各种数据集，需要用的时候可以下载。

http://archive.ics.uci.edu/ml/

 

DBLP是科研中重要的工具，其中可以获得各种会议期刊书籍作者的信息，多用！！！

http://www.informatik.uni-trier.de/~ley/db/

如何使用DBLP的文档: http://dblp.uni-trier.de/xml/docu/dblpxml.pdf

若想使用DBLP中的数据作为研究对象可以研读韩家炜实验室的文章，以及DBLP的说明。

 

Jiawei Han的主页

其中列有他的文章和书籍等等，很有价值，随时关注其动态

http://www.cs.uiuc.edu/~hanj/

 

有价值的网页

1、  了解KDD的发展ACM SIGKDD: Current Explorations Issues  

2、  迁移学习资源：www.cse.ust.hk/TL

 

思维充电：

1、  抽象代数

2、  范畴论

3、  计算几何

 

转载本文请联系原作者获取授权，同时请注明本文来自刘雪明科学网博客。
链接地址：https://blog.sciencenet.cn/blog-545746-629596.html

上一篇：公开课课程列表
下一篇：科研模式