KEEL，Knowledge Extraction based on Evolutionary Learning的简称，是一款开源的数据挖掘软件工具，也是与WEKA一样出名的分析和实验环境，它提供了简洁的GUI，用于执行包括回归、分类、聚类、监督学习等多种数据挖掘任务。KEEL由JAVA语言编写，包含了多种进化算法以及预处理技术与进化学习的整合，这使得它能够对任何学习模型进行完整的分析。
KEEL是knowledge extraction based on evolutionary learning的简称，它是一款开源的JAVA软件工具，遵循GNU的GPLv3许可，受西班牙项目（TIN-2005-08386-C05-(01, 02, 03, 04 and 05)）的支持 [3] 。
KEEL能够用于大量不同的知识发现任务，它提供了一个简单的基于数据流的GUI，可以根据不同的数据集和计算智能算法（特别是进化算法）设计实验、评估算法。它包含了各种各样经典的知识提取算法、预处理技术（如训练集选择、特征选择、离散化、缺失值处理等）、计算智能的学习算法、混合模型、对比实验的统计方法等等，它允许对各种算法进行完整的分析、比较。
主要特征
突出了进化算法在模型预测、预处理（特征选择、训练集选择）、后期处理（模糊规则的进化调优）中的作用
实现了许多专业文献中的数据挖掘算法，如离散化、噪声滤波等
提供了一个统计库来分析算法结果，库中包含了一组统计测试，用于分析结果的正态性、异态性，比较含参和非参算法的结果
许多算法是基于JAVA类库进行开发的
提供了一个用户友好的界面，并且此界面是面向算法分析的
该工具的目标是设计包含多种数据集和多种算法的实验，并且实验会产生独立的脚本，能够在不同的机器上运行。
同时提供线下实验和线下实验，线上实验的设计目的是帮助学习者学习算法的操作。
包含知识提取算法库，其中整合了多种进化学习算法，也包含经典的学习算法
-
UCI地址：http://archive.ics.uci.edu/ml/datasets.html 若要查找某条数据集，一条一条找很费时间，可以点击右上角 List View按钮，则数据集按照首字母排序 KEEL地址：https://sci2s.ugr.es/keel/datasets.php 优点：已经按照数据集的特点大致对数据集进行了分类整理
-
1.用eclisp新建一个工程 2.file-import-general-file system选择源代码所在目录 3.file-export-java-JAR file-export generate class files and resoures，指定好文件路径后finish
-
http://www.k99k.com/jQuery_getting_started.html 中文版译者：Keel 此文以实例为基础一步步说明了jQuery的工作方式。现以中文翻译（添加我的补充说明）如下。如有相关意见或建议请 EMAIL 告知。或者在 BLOG中留言。 英文原版：http://docs.jquery.com/Tutorials:Getting_Started_with_jQue
-
数据挖掘 18 大算法实现以及其他相关经典 DM 算法，BIRCH 算法本身上属于一种聚类算法，不过他克服了一些 K-Means 算法的缺点。
-
一位挖掘专家 tom khabaza 提出了挖掘九律，挺好的东西，特别是九这个数字，深得中华文化精髓，有点独孤九剑的意思： 第一，目标律。 数据挖掘是一个业务过程，必须得有业务目标。无目的，无过程。 第二，知识律。 业务知识贯穿在挖掘这个业务过程的各环节。 第三，准备律。 数据获取、数据准备等数据处理耗时占整个挖掘过程的一半。 第四，NFL律。 NFL，没有免费的午餐。没有一个固定的算法适用所有的
-
字节跳动 (1h) 1.自我面试 2.挑一个你认为比较成功的项目进行介绍？ 3.介绍你做过的特征工程 4.你都有过哪些算法？介绍下随机森林、XGB、GBDT的差异 5.对模型进行评估时候选取的方法 携程控股(45min) 1.自我介绍 2.选择一个项目进行介绍 3.你建模的时候都用到哪些方法 4.项目细节 5.模型评估 腾讯科技(1个小时) 1.自我介绍 2.直接问项目 3.解释下随机森林和GBD
-
硕士研究cv 可能和数据挖掘不是那么匹配~ 大华一面（1h）： 1、增量学习的科研项目（问了具体的细节 以及为什么） 2、语义分割的发展 3、UNet中的跳跃连接的作用 4、残差网络的shortcut连接的作用，数学方面证明残差网络可以避免梯度消失，并且问了一个关于残差网络的改进问题（面试官看最新的论文看到的，我没有理解他所说的问题） 5、宫颈肿瘤分割和pcr预测的项目（细节也问的很详细） 6、预
-
数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
-
1.1 KNN 1.1.1 思想 计算离待分类点距离最近的 K 个已分类点，K 个点中出现最多点种类为待分类点的种类。 1.1.2 距离 常见距离有欧式距离和余弦距离。余弦距离可以消除量纲的影响。相关系数 2. 聚类算法 2.1 K-means 2.1.1 思想 2.1.1.1 模型训练 根据类别个数 N，初始化 N 个点，作为该类别的中点。 遍历其他点，计算距离最近的中心点，该中心点的类别为当前
-
2道编程共40分，5道问答110分，共两个半小时，没做多久就退出来，哎。。。 有一道编程题用例过了，一提交通过0个用例，麻了 大佬给看看： 题目是车牌号识别准确率计算 输入N个车牌号，第一个字母是颜色，最后5个是号码，中间是地区号 每一行一个识别出的号码，一个真实标签 #我的秋招日记##网易雷火笔试##23届秋招笔面经#
-
时间过去有点久了，纯凭回忆，可能有些遗漏 一面 （1小时多吧） 机器学习基础知识 Bagging & Boosting 常用的聚类算法 Kmeans和DBSCAN的原理和区别 逻辑回归的原理 怎么处理离散数据 支持向量机原理 SVM怎么处理非线性 常用的回归模型 Attention原理 RNN和LSTM的区别 什么是梯度爆炸/梯度消失，什么情况下会出现 梯度渐进的原理 手撕算法 判断是否是回文 找