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

最后还有一个原因是数据量有限，这使得模型无法真正了解整个数据的真实分布。 学习曲线(Learning curves) 我们以二次多项式和十次多项式的曲线来对比，由之前了解的学习曲线(learning curves)显示随着数据量的增加，误差是如何变化的。

Learning Framework是一个Java开发的开源机器学习框架。 用于快速开发机器学习和统计应用。该框架的主要重点是包括了大量的机器学习算法和统计检验，并能够处理中小规模的数据集。 详细介绍：

文字化了@老师木谈机器学习的一系列文章，其中有一篇我很感兴趣的文章《机器学习有没有用？》，文字版连接：http://php-52cs.rhcloud.com/?p=87 作为一个机器学习爱好者，也想谈

基本概念 机器学习 机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计 算机可以自动“学习”的算法。机器学习算

经典的机器学习方面源代码库整理。全面收集，可用于数据挖掘，计算机视觉，模式识别，信息检索相关领域。 机器学习开源软件网 2 ：收录了各种机器学习的各种编程语言学术与商业的开源软件 Dmoz机器学习网址目录

，广告CTR预估使用最多的基础算法还是L1正则化的Logistic Regression。 机器学习任务主要分为两种：Supervised Machine Learning 和 Unsupervised

Milk是Python的一个机器学习工具箱，其重点是提供监督分类法与几种有效的分类分析：SVMs(基于libsvm)，K-NN，随机森林经济和决策树。它还可以进行特征选择。这些分类可以在许多方面相结合

array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A', 'A', 'B', 'B'] return group, labels

原文出处： Liu_LongPo的专栏（@Liu_LongPo） K-means算法属于无监督学习聚类算法，其计算步骤还是挺简单的，思想也挺容易理解，而且还可以在思想中体会到EM算法的思想。 K-means

Apache MADlib 是为数据科学提供的 SQL 大数据机器学习工具。Apache MADlib 拥有强大的大数据分析能力。Apache MADlib 支持 Postgres, Pivotal Greenplum

ora的 工程副总裁Xavier Amatriain 在Netflix和Quora从事推荐系统和机器学习工作时所 总结的20条经验教训 。 更多的数据 & 更好的模型 并不是数据越多结果就越好

Fuzzy 机器学习框架是一个程序库和一个使用直觉模糊数据的机器学习的GUI前端。该方法是基于直觉模糊集和可能性理论。进一步的特点是模糊的功能和类;基于语言 变量的数值，枚举的功能和特点;用户自定义特

面图表中包含的一些参数信息，例如CMOS像素、重量等（下图）。 目前Google正在通过机器学习技术区分哪些是包含有用信息的图表（table），哪些是无效（例如网页样式设计）的图表，然后系统会根据相关度和质量来决定显示哪些信息。

Learning as a Service 微软于近期发布了 Azure ML 。这是一个基于云的机器学习平台，旨在帮助基于过去的行为对未来事件进行预测。微软已经将机器学习应用于 Bing、Xbox

Services 开发机器学习解决方案提升现有的预测算法并不是一件容易的事情。这需要大量的工作来保证其正确性，包括清除数据、建立基础结构、测试和再测试模型以及最终部署算法。 这里有六种机器学习服务，它们可以帮助你减少部署机器学习解决方案的痛苦。

Software Foundation (ASF) 开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用。该项目已经发展到了它的最二个年头，目前只有一个公共发行版。Mahout

more data always better than better algorithms? 在机器学习中，更多的数据总是比更好的算法好吗?对于 Quora 上的这个问题，Netflix 公司工程总监

据专家建立了各种各样的机器学习模型来帮助识别交易中的风险。作为公司业务的后盾，该团队究竟是如何建立机器学习模型的呢？近日，Airbnb公司 公布 了利用相关数据建立和改善机器学习模型的过程。接下来，本文就对该过程进行简单介绍。

数据科学领域中所采用的机器学习编程语言大相径庭。究竟哪种语言最适合机器学习成为争论不休的话题。近日，密西根州立大学的博士生Sebastian Raschka再次发起了 机器学习编程语言之争 ，分析了自己选择Python的原因。