博才算。 到现在为止，似乎只有旅行推做到了这一点。 我设计了一套核心算法，过滤掉脏数据，仅保留有效数据，后来又加入了另外9道过滤规则，以及不断调试关键字库，最后达到了惊人的……97%有效率。

TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计

8个最好的机器学习速查表（Cheat Sheets）

SystemML是灵活的，可伸缩机器学习 (ML) 语言，使用Java编写。可实现三大功能：(1) 可定制算法；(2) 多个执行模式，包括单个，Hadoop 批量和 Spark 批量；(3) 自动优化。

谷歌 AutoML 系统最近出产了一系列机器学习代码，其效率甚至比研究人员自身还要高。显然，这是对“人类优越论”的又一次打击，因为机器人“学生”们已经成为了“自我复制”的大师。AutoML 是在人工智

Oryx的目标是帮助Hadoop用户搭建并部署能够实时查询的机器学习模型，例如垃圾邮件过滤和推荐引擎。随着数据的不断流入，Oryx还将支持自我更新。 无论从建模还是部署，Oryx都可以随需扩展

在解释 机器学习 的基本概念的时候，我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条目列表。 1. Test and training error: 为什么低训练误差并不总是一件好的事情呢：

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚 类算法，如 K 最近邻（KNN）和 K 均值（K-Means

Kaggle比赛源代码和讨论的收集整理。

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇，主要关注逻辑回归算法的数学

Swift-AI - Swift高度优化的人工智能和机器学习库。We currently support iOS and OS X, with support for more platforms coming

Python 通常被应用统计技术或者数据分析人员当做工作中的首选语言。数据科学家也会用 python 作为连接自身工作与 WEB 应用程序/生产环境集成中。 Python 在机器学习领域非常出色。它具有一致的

/49337323 引言 ：逻辑回归是最简单的机器学习模型，常常应用于各种简单的任务中。这里记录逻辑回归的背景以及学习方法，权当自己的学习记录总结。 逻辑回归 ：首先，它不是一个回归模型，而是一个分类模型，它是被用来做分类的。

前言：最初关注深度机器学习是听了NUS的汪晟博士关于深度机器学习平台SIGNA的介绍，当时就发现深度机器学习是人工智能的一个革新的进步。但是由于从事的云计算和大数据方向的工作，所以平时只是作为自己的兴

Machine Learning awesome-machine-learning - 非常棒的机器学习框架，库和软件集合，按语言划分。 Inspired by awesome-php. If you

使用高级分析算法(如大规模机器学习、图形分析和统计建模等)来发现和探索数据是当前流行的思路，在IDF16技术课堂上，英特尔公司软件开发工程师王以恒分享了《基于Apache Spark的机器学习及神经网络算法和应

机器学习框架、库和软件集合 (按编程语言分类)。 Table of Contents C General-Purpose Machine Learning Computer Vision C++ Computer

用scikit-learn和IPython构建并行机器学习方案，内容覆盖机器学习、文本分类、并行开发等，附赠全部IPython代码，ogrisel本人也是scikit-learn开发成员，视频是13年

K-近邻算法是一种分类算法，分类算法是监督学习算法，监督学习算法和无监督学习算法的最大区别就是监督学习需要告诉机器一些正确的事物，也就是训练数据集，而无监督学习算法则不需要事先准备这些，比如聚类算法。 所谓的分类，就是要求数据都是离散型（标称型）的，且是数值型的。一下子

引言： 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。