http://www.cnblogs.com/liangliangh/p/4712600.html 机器学习（Machine Learning，简称 ML）和计算机视觉（Computer Vision，简称

要点 机器学习中数学的重要性：良好的数理基础会让机器学习事半功倍，算法和模型的选择和理解都需要一定的数学基础。 机器学习中哪些数学知识是必备的：线性代数、概率论和统计学、多元微积分、算法和优化理论、复

html 从今天开始，坚持每天学习一个机器学习的新知识，加油！ 决策树学习是应用最广的归纳推理算法之一，是一种逼近离散值目标函数的方法，在这种方法中学习到的函数被表示为一颗决策树。 决策树表示法

《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost 到随机森林、Deep

学习方式 根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要 的学习方式。将算法按照学习方式分类是一个不错的想法

《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning

1、C4.5 机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所

以前的机器学习似乎是阳春白雪，只有大公司和尖端高校实验室才能玩得转。有一群人，他们的梦想是使机器学习技术变得下里巴人，让人人都能用机器学习。他们分布在两类从事机器学习技术研发的公司： 提供机器学习技术平台

Python中最好的机器学习库

SHOGUN是一个机器学习工具箱，其重点是在大尺度上的内核的方法，特别是支持向量机（SVM）的学习工具箱。它提供了一个通用的SVM对象接口 连接到几个不同的SVM的实现中，所有相同的底层，高效的内核实

和大多数人一样，小弟对各种机器学习和数据挖掘算法都小有兴趣，常用的算法也都知道基本思想，但尝试不多。最近收集了一些算法的实用技巧，待有空时仔细研读。 （1）机器学习那些事 & 机器学习根基 那些事儿：http://homes

vowpal_wabbit 是一个机器学习系统，它能推动机器学习前沿技术的学习，例如在线学习、哈希、交互学习等。 你需要下面几款软件： Boost 库，Boost::Program_Options

根据不同的算法和方法分门别类收集了GoLang的机器学习资源库列表。 Generalized Machine Learning Libraries: GoML - https://github

机梯度上升法。由于可以在新样本到来之前对分类器进行增量式更新，因此随机梯度算法是一个在线学习算法。与”在线学习“相对应，一次处理所有数据被称作是”批处理“ 随机梯度上升算法可以写成如下的伪代码：

PCA 算法也叫主成分分析（principal components analysis），主要是用于数据降维的。 为什么要进行数据降维？因为实际情况中我们的训练数据会存在特征过多或者是特征累赘的问题

本文总结了机器学习的经典书籍，包括数学基础和算法理论的书籍。本文会保持更新，欢迎推荐。 入门书单 《数学之美》 PDF 52 作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。

1. 前言 熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简 单，coding 方便，是训练模型的必备利器之

11个著名的开源机器学习工具

本列表总结了25个Java机器学习工具&库： 1. Weka 集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具，如数据预处

本文我们会概述一些流行的机器学习算法。 机器学习算法很多，并且它们自身又有很多延伸。因此，如何确定解决一个问题的最好算法是很困难的。 下面我们先说基于学习方式对算法的分类和算法之间的相似