上个课题刚结完，李老师又让小老板跟我要数据分类。晕死，现从VFP把测试集和训练集给他筛出来~

新课题做的倒觉得很简单，但是发现问题还是不少，小老板说做好了可以发很好的paper，所以要加油~

上个课题的数据集小老板还没发给我，他们最近再忙着申经费。那我的这篇paper什么时候才能写出来啊，真是的~看在他给我的月饼那么好吃的份上就小催他一下下

做全国的数模比赛，做完了三天才缓过来。发现我和队友太容易骄傲了，程序实现和算法设计都很漂亮，但是还是有地方马虎了。唉，就怪我们太骄傲了~

买了两本书《模式分类》和《模式识别》，发现看paper一段时间还是要看书的~

大老板告诉我一个痛苦的消息：宝钢优秀学生奖我申请晚了，5000大洋没了啊~呜呜，钱是小事，但是荣誉没了，我还想明年用它来帮着拿十佳大学生呢~黄了

大老板说，让我接着做去米国的师兄的课题~

又在投清华的ML组，还没给消息~

Gaussian Processes

• GP Demo. Demonstration Software for Gaussian Processes by David MacKay (in OCTAVE).

转自：http://www.blog.edu.cn/user2/huangbo929/archives/2007/1725657.shtml

一、数据挖掘工具分类 　

　   数据挖掘工具根据其适用的范围分为两类：专用挖掘工具和通用挖掘工具。
专用数据挖掘工具是针对某个特定领域的问题提供解决方案，在涉及算法的时候充分考虑了数据、需求的特殊性，并作了优化。对任何领域，都可以开发特定的数据挖掘工具。例如，IBM公司的AdvancedScout系统针对NBA的数据，帮助教练优化战术组合。特定领域的数据挖掘工具针对性比较强，只能用于一种应用；也正因为针对性强，往往采用特殊的算法，可以处理特殊的数据，实现特殊的目的，发现的知识可靠度也比较高。
通用数据挖掘工具不区分具体数据的含义，采用通用的挖掘算法，处理常见的数据类型。通用的数据挖掘工具不区分具体数据的含义，采用通用的挖掘算法，处理常见的数据类型。例如，IBM公司Almaden研究中心开发的QUEST系统，SGI公司开发的MineSet系统，加拿大SimonFraser大学开发的DBMiner系统。
……

启发式：而启发式方法（试探法）是一种帮你寻求答案的技术，但它给出的答案是具有偶然性的（subject to chance），因为启发式方法仅仅告诉你该如何去找，而没有告诉你要找什么。它并不告诉你该如何直接从A 点到达B 点，它甚至可能连A点和B点在哪里都不知道。实际上，启发式方法是穿着小丑儿外套的算法：它的结果不太好预测，也更有趣，但不会给你什么30 天无效退款的保证。