1. 数据挖掘—实用机器学习技术及Java实现原书 英文版《Data Mining—Practical Machine Learning Tools and Techniques with Java

1. 基于Graphx的大规模用户图计算淘宝技术部——数据挖掘与计算 吴炜（梧苇） 2. 目录Graphx简介和特性 图计算场景 整体模型，流程和算法 调优与改进 性能和技巧 总结 3. Graphx的发展0

 Weka 数据挖掘软件使用指南 1. Weka简介 该软件是WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www

Orange（ http://orange.biolab.si/ ）是一个基于组件的数据挖掘和机器学习软件套装，支持Python进行脚本开发。Orange由斯洛文尼亚大学计算与信息学系的生物信息实验室BioLab进行开发，

1. 第一章 机器学习及数据挖掘基本原理王斌 中国科学院信息工程研究所大数据核心技术之数据挖掘与机器学习技术探索及应用 2. 目录基本概念典型应用预备知识 3. 什么是机器学习(Machine Lea

原文出处： fengfenggirl（@也爱数据挖掘） 前面几篇介绍了关联规则的一些基本概念和两个基本算法，但实际在商业应用中，写算法反而比较少，理解数据，把握数据，利用工具才是重要的，前面的基础篇

机器视觉。当然这只是一种比较直白的理解，并不能见得绝对准确或者全面。我们权且这样处理。而且在本文后面若提到这两个名词，我们所表示的意思是一致的。 但无论是机器学习，还是数据挖掘，你一定听说过很多很

http://www.cnblogs.com/fantasy01/p/4595902.html 在看机器学习实战时候，到第三章的对决策树画图的时候，有一段递归函数怎么都看不懂，因为以后想选这个方向为自己的职业导向，抱着精看的态度，对

com/s/1EaLnZ 机器学习经典书籍小结 http://www.cnblogs.com/snake-hand/archive/2013/06/10/3131145.html 机器学习&深度学习经典资料汇总 http://www

总结一下我读过的机器学习/数据挖掘/数据分析方面的书，有的适合入门，有的适合进阶，没有按照层次排列，先总结一下，等总结的差不多了再根据入门--->进阶分块写。下面列的书基本上我写的都是读完过的，不然不敢写，怕误人子弟

问答 数据科学是什么？ 7 我怎样才能成为一个数据科学家？ 4 科学数据是如何从传统的统计分析不同吗？ 1 相关课程 计算数据概念，伯克利分校 9 实用机器学习，伯克利分校 4 人工智能伯克利分校 1

书籍 机器学习经典书籍小结 http://www.cnblogs.com/snake-hand/archive/2013/06/10/3131145.html 机器学习&深度学习经典资料汇总 http://www

com/liangliangh/p/4928267.html 数据挖掘（Data Mining）作为一个领域，比机器学习要大，偏应用。互联网公司也大量使用数据挖掘技术，作为即将毕业进入互联网公司从事机器学习算法开发的我，最近计划系统了

有网友在 Quora 上提问：对于那些非计算机科学行业的人，你会如何向他们解释机器学习和数据挖掘？ 斯坦福大学的印度学生、机器学习爱好者 Pararth Shah 在2012年12月22日的回复，非常经典，得赞数有

魔兽模拟器的机器学习和数据挖掘; 玩模拟游戏的结果可以用来确定哪些一起能很好的工作,哪些没有卡牌. 用法 Hearthbreaker 兼容任何支持 Python 3.2+ 和 PyPy3 2.3+

开源免费电子书集合，包括机器学习、数据挖掘、自然语言处理和数学等。 本文是WIKI页面，请自由的参与到这个列表的贡献。 机器学习/数据挖掘 An Introduction To Statistical

(5)条件概率公式：P(A|B) = P(AB)/P(B) (6)极大似然估计：极大似然估计在机器学习中想当于经验风险最小化，(离散分布)一般流程：确定似然函数(样本的联合概率分布)，这个函数是关于

前言：新开通的博客，用于记录一些学习方面的东西，算是一个学习笔记吧。本系列按照《集体智慧编程》一书的框架进行。老实说，《集体》在理论上并不算是很好的参考书，但是该书是以一个个具体场景应用为驱动的，个人认为很适合用于机器学习相关的入门教材，起码很对我的胃口。

html 机器学习和数据挖掘推荐书单 有了这些书，再也不愁下了班没妹纸该咋办了。慢慢来，认真学，揭开机器学习和数据挖掘这一神秘的面纱吧！ 《机器学习实战》 ：本书第一部分主要介绍机器学习基础，以

tion)，F-distribution(F-分布) Data Pre-processing(数据预处理) ： Missing Value Imputation(缺失值填充)，Discreti