| 查看: 427 | 回复: 0 | ||||
| 当前主题已经存档。 | ||||
zsglly木虫 (著名写手)
|
[交流]
关于数据集与源代码－ 喜欢就支持哦
|
|||
|
任务繁重，好久没有来这里了，真是愧对版主职责。 看到很多人要数据集和源代码，这里说几句， UCI数据集是一个常用的标准测试数据集，下载地址在 http://www.ics.uci.edu/~mlearn/MLRepository.html 我的主页上也有整理好的一些UCI数据集： http://lamda.nju.edu.cn/yuy/files/download/UCI_arff.zip 在看别人的论文时，别人使用的数据集会给出数据集的出处或下载地址（除非是很机密的数据，例如与国家安全有关）。如果你看的论文没有给出数据集的出处，请立即停止看这篇论文，并且停止看刊发这篇论文的期刊上的所有文章。因为可以断定这些文章质量很差。 关于源代码，网上有很多公开源码的算法包，例如最为著名的Weka，MLC++等。Weka还在不断的更新其算法，下载地址： http://www.cs.waikato.ac.nz/ml/weka/ 很多的机器学习的经典算法都在里面。而且公布源程序，易于修改。 如果作者没有公布源程序，可以到作者主页找找，也可以写信给作者要，一般论文开头都会有作者的email地址。写信的时候要注意要很有礼貌，否则作者，尤其是著名学者，很有可能不会理睬。如果算法简单，可以自己实现。 关于论文的下载，如果能够访问电子图书馆是最好的，很多学校都买了IEEE, Elsevier, Kluwer等，上面的期刊都不错。有一些很好的期刊是免费的，像JAIR和JMLR，分别在： http://www.cs.washington.edu/research/jair/home.html http://www.jmlr.org/ 如果能访问的免费期刊太少，可以到CiteSeer上搜索(http://citeseer.ist.psu.edu/)，上面搜集了很多免费论文（但是要注意，论文的质量参差不齐），或者用Googlewww.google.com)搜索。 再嘱咐两点，要做研究，首先要打好基础，例如数学基础和程序设计能力，要学会熟练使用google等搜索引擎，还有一定要看高质量的论文。 [ Last edited by 幻影无痕 on 2006-11-25 at 07:34 ] |
回复此楼» 收录本帖的淘帖专辑推荐
 source |
» 猜你喜欢
理学，工学，农学调剂，少走弯路，这里欢迎您！
已经有8人回复
-
276求调剂
已经有6人回复
-
求调剂
已经有7人回复
-
085600求调剂
已经有5人回复
-
298求调剂
已经有13人回复
-
0856材料调剂
已经有5人回复
-
0856材料与化工，270求调剂
已经有10人回复
-
285求调剂
已经有9人回复
-
材料工程专硕283求调剂
已经有7人回复
-
环境调剂
已经有4人回复
