ITPub博客

一直以来，我们在提到使用R进行数据分析、数据挖掘都会使用RODBC、RJDBC、DBI等相关的包来调用数据库，比如我前面罗嗦的一片文章数据挖掘之R与SQL，但实际基本上各大数据库厂商已有相应的R语言企业级应用产品，这些厂商包括Oracle、IBM、Teradata、Sybase、SAP。Oracle

上一篇文章说道最近我在做文本挖掘方面的一些工作，到今天为止暂告一段落。刚好也整理了一份针对中文的《R语言环境下的文本挖掘》，供感兴趣的童鞋参考（见文章底部）。自然语言处理（NatureLanguageProcess）是一个非常让人着迷的领域，应用范围非常广泛，比如去年人机大战中大出风头的IBMWat

最近事情很多，每天下班回来，自己弄些东西吃，稀里糊涂就到了21点。跟着再浏览一下圈子信息，时间更是倏地一下就到了0点，然后第二天变熊猫……主要在忙两件事翻译《Rinanutshell》，三月底应该会到出版社那边重头戏，整理文本挖掘的相关技术明天会在公司内部进行文本挖掘的培训，下面是提纲：说到文本挖掘

有人说，爱情是凄美的，没有结局的爱情永远定格在那一刻，才是永恒；有人说，爱情是天使，就像那可爱的丘比特，会带给我们欢乐和甜蜜；还有人说，爱情是恶魔，它一次又一次的带我们到痛苦的深渊。爱情究竟是什么，让我们看看统计数字诉说的真相：爱情永远寂寞22996首中文歌曲（844个流行歌手）——不管我们怎么想，

纽约尼克斯华裔后卫林书豪0.5秒三分绝杀！在带领球队获得五连胜后，在对战猛龙队客场的比赛中，刚刚获得上周东部最佳球员的林书豪全场20投9中拿下27分11次助攻，终场前0.5秒，林书豪的三分逆天绝杀帮助尼克斯以90-87战胜猛龙！迎来六连胜！（叹号真多……）这场比赛可以总结为：尼克斯队落后了47分钟，

一篇放在草稿箱里一年多的博文。话说到，去年在上海财经大学讲R与统计图形时，提到了EdwardMuybridge(1830-1904)的赛马动画。在准备材料的时候，我也比较八卦的翻了翻关于赛马动画的历史，结果发现：这幅图型不但是统计动画的鼻祖，同样是现代电影的先驱。从EdwardMuybride拍摄赛

最近一个月所有的业余时间基本上都是在准备会议材料，开会中度过的。且不说上周去杭州，被客户折磨了3天，居然临走也没有时间去西湖逛一逛，稀里糊涂的又从杭州赶回北京，参加大数据技术大会。工作会议就暂且不提了，说说最近参加的两场学术性质的会议。第一场是在11月12日-13日，上海召开的中国R语言会议，本次会

今天看到老同学@JulieJulieJulieJulie的浪漫求婚，真的很浪漫、很唯美、很感动。正如评论说的，我们又相信爱情了！于是，小兴奋，睡不着，爬起来补一篇文章。正文开始最近在数据挖掘专业网站KDnuggets上刊出了2011年度关于数据挖掘/分析语言流行度的调查，不出意料R、SQL、Pyth

在2008年，第一届中国R语言会议上，来自于艾瑞咨询的张翔为大家展示了一组极具震撼力的泡泡图，而这段视频便是HansRosling在2006年TED上的演讲，讲述的是1956年-2006年之间各国间的经济发展变化。虽然个人认为泡泡图的实现的技术并没有太多技术含量，但惊讶于HansRosling大智若

yanlinlin站长放出个问题，按照《魔方与数学》一文的后记上记录的：请将1、11、111、1111、……的平方写下来，从最小的开始，每个占一行，并且全部居中书写，图形的样子？问题不难，不外乎就是将这些数字平方，在按照要求放置。但，存在一个小问题，计算机一个单元存储数据的数据长度不是无限制的，而且

今天在郑来秩那儿看到了一张Excel2007的绘图，用来对比实际完成情况和目标的差异，不多解释，原文请移步至这里。数据是这样的</col>季度目标实际中间值差异第一季度320260290-60第二季度300280290-20第三季度35039037040第四季度30038034080最后

又是一个R不务正业的例子。三天前，itux在统计之都论坛上问到了如何做Matrix67博客上的平滑马赛克图，我是好事之徒，颠颠地跑去瞧了一眼。恩，蛮有意思的，而且非常黄，非常暴力！但比较悲剧的是我不会用Mathematica，只好用R实现了一下。本来想标题改的彪悍一些——《一千二百个女人和我的故事》

原文链接在这里解不了数独游戏？？用R！先人一步的技能？？学R！它是主流开源统计及数据分析语言，并且仍然在升温！需要在你的软件应用中使用统计计算模块？？部署R吧！它可以整合其他的编程语言，比如Java、Ruby、C++、Python看看这些用于解决复杂问题的，可重复使用的R扩展包？？用R吧！它有200

话说到，前段时间给某省移动公司做无线音乐交叉推荐项目，做的事不亦乐乎。且不说涉及的数据挖掘的算法，单说歌曲这玩意儿有关的一些有趣的话题，就挺让人兴奋，比如：什么歌曲好听？能不能按照既定规则作曲，就能得到好歌？歌曲有风格的，且风格是有限的。这个风格如何定义？歌曲是对应歌手的，一个歌手的所有歌曲是不是对

前几天COS论坛上还在说中科大的R镜像还没弄好，今天再看CRAN，中科大的镜像已然可以正式使用。中国的R语言镜像近几年来变化比较大，最早是东南大学，但不知道什么原因消失了。而后国内镜像主要集中在香港的geoexpat和厦门大学，再后来加入了中科院的两个所（包括CTeX），到今日加入中科大镜像。个人一

2011年3月11日日本福岛9.0级大地震以后，紧接着是海啸，跟着福岛核电厂接连发生爆炸。如果开始还可以说是电影《日本沉没》的剧情的话，那核电站爆炸的后果，可就有点像《生化危机》前奏的味道了。民众对于核辐射污染的担心要远超过地震和海啸。就拿前几天国内发生的碘盐抢购事件来说，虽然主要原因是民众对政府的

2011年3月14日，IBMNetezza同RevolutionREnterprise在Netezza数据仓库上搭载RevolutionAnalytics方面展开合作达成一致，二者将致力于整合IBMNetezza’si-classtechnology和Revolution统计分析方面的卓越的能力。延

闲话不说，直接上图：(左下角的直方图是这段时间地震震级的分布情况)对比2010年11月份(5号至10号)的情形：

RexerAnalytics关于数据挖掘的年度调查开始于2007年，本次（2010年）是第四次年度调查，原文链接在这里。调查的关键要点如下：1.调查样本量2010年前期，735个参与者，来自于60个国家2.数据挖掘覆盖领域数据挖掘覆盖很多领域，但CRM/Marketing在过去的几年一直排名第一。3

集智俱乐部是我最近两年来比较关注的俱乐部，尤其集智在三号会所的线下活动，一帮来自五湖四海、背景迥异的年轻人，因为一个共同感兴趣的主题，各抒己见（头脑风暴），过程非常奇妙。至今依然清晰的记得第一次参加集智活动时，大家对超自然（超能力）现象的热烈讨论。说实话，当时刚听完报告，还以为进入一个邪教组织了，呵