MLTK是各种监督的机器学习算法集合，专为直接训练模型和深度开发设计。 当前MLTK支持： Generalized Linear Models Ridge Lasso Elastic Net Group

Spark的39个机器学习库

大数据/数据挖掘/推荐系统/机器学习相关资源 Share my personal resources 书籍 各种书~各种ppt~更新中~ http://pan.baidu.com/s/1EaLnZ 机器学习经典书籍小结

机器学习指南资源集合

r、paper……真的挺愁人的 还有几个月就要进行春季实习招聘了，加油！总结一下python机器学习方面的资料吧。 1、数据处理 1.1 综合 Scipy SciPy is a Python-based

另外需要注意的是，牛顿法在每次迭代时不能总是保证海森矩阵是正定的，一旦海森矩阵不是正定的，优化方向就会“跑偏”，从而使得牛顿法失效，也说明了牛顿法的鲁棒性较差。拟牛顿法用海森矩阵的逆矩阵来替代海森矩阵，虽然每次迭代不能保证是最优的优化方向，但是近似矩阵始终是正定的，因此算法总是朝着最优值的方向在搜索。

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

你 知道如何为你的分类问题选择合适的机器学习算法吗？当然，如果你真正关心准确率，那么最佳方法是测试各种不同的算法（同时还要确保对每个算法测试不同参 数），然后通过交叉验证选择最好的一个。但是，如果你只

的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。 最大期望算法经过两个步骤交替进行计算：

画出3维，看看它的庐山真面目： 由于我们已经编写了KNN代码，接下来我们只需调用就行。了解过机器学习的人都应该知道，很多样本数据在代入算法之前都应该进行归一化，这里我们将数据归一化在[0,1]的区间内，归一化方式如下：

xm是某样本数据的各个特征，维度为m） ps： 这里就是一个线性回归。W权重值就是需要经过训练学习到的数值，具体W向量的求解，就需要用到极大似然估计和将似然估计函数代入到 优化算法来求解。最常用的最后化算法有

在听到人们谈论机器学习的时候，你是不是对它的涵义只有几个模糊的认识呢？你是不是已经厌倦了在和同事交谈时只能一直点头？让我们改变一下吧！ 本指南的读者对象是所有对机器学习有求知欲但却不知道如何开头的

PyML是一个Python机器学习工具包，为各分类和回归方法提供灵活的架构。它主要提供特征选择、模型选择、组合分类器、分类评估等功能。 Features Classifiers: support vector

国外机器学习的Blog推荐

机器学习经典论文/survey合集

我们在之前得知，通过最小化Ein来选择最好的模型不是一个正确的办法，因为这样可能会付出模型复杂度的代价、造成泛化效果差、造成过拟合的发生。

found to work well overthe years. 如何针对某个分类问题决定使用何种机器学习算法？ 当然，如果你真心在乎准确率，最好的途径就是测试一大堆各式各样的算法（同时确保在每个算法上

的调查表明，决策树也是最经常使用的数据挖掘算法。它之所以如此流行，一个很重要的原因就是不需要了解机器学习的知识，就能搞明白决策树是如何工作的。 上边所示的图，就可以被称为是决策树，长方形代表 判断模块

聚类 属于无监督学习 目的：找到数据集中的不同群组 分级聚类 主要思想是： 在数据集中找出两个最相似的节点 根据这两个节点生成一个新的聚类节点，这个节点的数据为两个子节点的数据的平均值,

机器学习引领认知领域的技术创新。一些机器学习的新产品也在不断涌现，技术型初创公司在面对巨大的潜在市场已经蠢蠢欲动。红点投资机构的投资人 Tomasz Tunguz 就机器学习对 SaaS 行业的益处进行了分析。