个人博客已迁移至codinglabs.org，博客园不再更新 个人博客已迁移至codinglabs.org，欢迎访问

摘要：为了便于管理实验室里的小型项目开发团队，我在今年寒假期间做了这个工具。总共花一星期划拉出来的，所以功能比较简单，只有需求Tickets和Bug Reports管理。当初做这个工具主要是觉得用Word或Excel手动管理需求Ticket和bug单的流程比较麻烦，利用这个工具，可以实现需求Ticket提单、需求Ticket分配、需求Ticket开发进度跟踪、bug提单和bug处理跟踪等流程的自动化管理。这个工具借鉴了我曾经实习的一所知名互联网公司内部敏捷流程的部分经验。虽然功能简单，但简单有简单的好处，就是上手容易，使用方便。在实验室的项目组中已实际使用了一段时间，效果还不错，感觉如果用于2-10人的小团队管理，还是能在一定程度上方便开发人员，提高生产力。有兴趣朋友的可以试一试。这个工具基于B/S结构，使用的语言是PHP，UI使用了ExtJs框架，后端数据库使用的MySQL。目前还是0.1内部测试版，我 阅读全文

摘要：在前面的文章中，介绍了三种常见的分类算法。分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文首先介绍聚类的基础——距离与相异度，然后介绍一种常见的聚类算法——k均值和k中心点聚类，最后会举一个实例：应用聚类方法试图解决一个在体育界大家颇具争议的问题——中国男足近几年在亚洲到底处于几流水平。 阅读全文

摘要： 在前面两篇文章中，分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算法都以贝叶斯定理为基础，可以对分类及决策问题进行概率推断。在这一篇文章中，将讨论另一种被广泛使用的分类算法——决策树（decision tree）。相比贝叶斯算法，决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。 阅读全文

摘要：在上一篇文章中我们讨论了朴素贝叶斯分类。朴素贝叶斯分类有一个限制条件，就是特征属性必须有条件独立或基本独立（实际上在现实应用中几乎不可能做到完全独立）。当这个条件成立时，朴素贝叶斯分类法的准确率是最高的，但不幸的是，现实中各个特征属性间往往并不条件独立，而是具有较强的相关性，这样就限制了朴素贝叶斯分类的能力。这一篇文章中，我们接着上一篇文章的例子，讨论贝叶斯分类中更高级、应用范围更广的一种算法——贝叶斯网络（又称贝叶斯信念网络或信念网络）。 阅读全文

摘要：贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。 阅读全文