COS每周精选：数据挖掘中的十大算法

本期投稿：谢益辉 施涛¹ 朱雪宁 王小宁

国际权威的学术组织 The IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, 和 CART ，相关的论文在这里。 最近有人把这些算法用R实现了。

前两天有关疑似MH370 遗骸的消息登上各大新闻头条，信息真假还未得知，其实早在今年三月份CNN报道得克萨斯A＆M大学的数学家宣布，他已通过一台计算机上运行的数据，并确定它是有可能的飞机已经垂直坠入海洋，请参看这里。

一位2013年毕业于杜克大学的同学总结的今年在Coursera 上关于约翰霍普金斯大学数据科学课程的笔记，有志于上此系列课的童鞋可以先看看哦！小编提醒，新的一轮数据科学课程也从8月3日开始了。

一篇关于R语言进行并行计算的深度好文。

广义线性模型（GLMS）在数据科学工具箱中不可或缺的工具。它们是适用于涉及很多现实世界的问题，连续数据，计数和生存数据（及其他）。模型本身是直观的，并且可以被用于推断和预测。一些非常高品质的免费软件和开源软件的实现方式是可获得的如R。

最近比较火的一篇文章，UCLA的一个学生伪造了数据发了一篇Science文章，后来被别人发现，被撤稿了。这里面的侦察过程有点意思，参见文中的PDF报告链接。