Mallet是专门用于机器学习方面的软件包，此软件包基于java。通过mallet工具，可以进行自然语言处理，文本分类，主题建模。文本聚类，信息抽取等。 项目主页： http://www.open-open

第9章 遗传算法 遗传算法提供了一种大致基于模拟进化的学习方法。其中的假设常被描述为二进制位串，位串的含义依赖于具体的应用。然而，假设也可以被描述为符号表达式或者甚至是计算机程序。对合适假设的搜索是

收集整理了机器学习相关的实验室、会议、研究院等的网站。 北京大学视觉与听觉信息处理实验室 北京邮电大学模式识别与智能系统学科 复旦大学智能信息处理开放实验室 IEEE Computer Society北京映象站点

机器学习是目前数据分析领域的一个热点内容，在平时的学习和生活中经常会用到各种各样的机器学习算法。实际上，基于Python、Java等的很多机器学习算法基本都被前人实现过很多次了。这些算法在网上可以找到

GoLearn 是一款 Go 语言机器学习框架，示例代码： package main import ( "fmt" "github.com/sjwhitworth/golearn/base" "github

Conjecture 是 Esty 开发的构建机器学习模型框架，在 Hadoop 中使用 Scalding DSL 构建。Conjecture 的目的是允许静态统计模型在广泛的产品设置中作为可变组件。

机器学会阅读将是人工智能在处理和理解人类语言进程中一个里程碑式的事件，是一个真正AI必须达到的标准。最近一家叫做 Maluuba 的科技公司，号称开发了目前最领先的机器阅读理解系统EpiReader[

数据分析和洞察，以 及企业级移动数据分析和挖掘的解决方案等产品和服务。随着各项业务快速发展，需要机器学习支撑的需求也越多越多，数据规模也越来越大，带来很大的挑战。而 且TalkingData作为一个新

http://www.pintu360.com/article/13681.html Facebook开源先进的深度学习工具Torch Torch是一个从2002年就开始存在的开源库，其包含了一个用来构建和训练神经

在使用机器学习算法的过程中，针对不同场景需要不同的评价指标，在这里对常用的指标进行一个简单的汇总。 一、分类 1. 精确率与召回率 精确率与召回率多用于二分类问题。精确率（Precision）指的

PredictionIO 是一个开源的机器学习引擎，程序员用来使程序显示得具有预测性特点，例如个性化，推荐，内容显示。用PredictionIO你可以瞬间让你的程序增加以下特点：预测用户行为，提供个性

Monte (machine learning in pure Python)是一个纯Python机器学习库。它可以迅速构建神经网络、条件随机场、逻辑回归等模型，使用inline-C优化，极易使用和扩展。

上周，我去洛杉矶参加了一个机器学习的meetup，一位主讲是eHarmony公司（美国最大的婚恋交友网站之一，通过性格测试来进行婚恋匹配的模式——百度百科）的Jon Morra，他着重分享了机器学习（machine

https://github.com/liuliu/ccv mlpack ：可扩展的C++机器学习库 地址： https://github.com/anticlockw OpenCV：开源计算机视觉库

原文出处： fengfenggirl（@也爱数据挖掘） 1.决策树算法 决策树是一种树形分类结构，一棵决策树由内部结点和叶子结点构成，内部结点代表一个属性（或者一组属性），该结点的孩子代表这个属性的不同取值；叶

本文首次发表于译言网，翻译自Technet.com，为[机器学习]系列文章之一。 发表地址： http://article.yeeyan.org/view/propiram/442378 下面

正则化（regularization）技术是机器学习中十分常用的技术，它在不同的模型或者情景中以不同的名字出现，比如以L2正则化为例，如果将L2正则化用于linear regression，那么这就对应了ridge

对于各种热门的机器学习、深度学习课程，你一定了解过不少了。但上课之后，如何把学出来的这些新方法用在你的工作项目？如何让你的移动应用也能具备机器学习、深度学习的能力？ 具体做这事的话：你是该自己训练

从毕业加入Google开始做分布式机器学习，到后来转战腾讯广告业务，至今已经七年了。我想说说我见到的故事和我自己的实践经历。这段经历给我的感觉是：虽然在验证一个新的并行算法的正确性的时候，我们可以利用现有框架，尽量快速实现，但是

Learning Problems 机器学习是什么？ 机器学习是什么？这个问题的答案可以参考权威的机器学习定义，但是实际上，机器学习是由它所解决的问题定义的。因此，理解机器学习最好的方式是观察一些实例。