net/2016/01/31/机器学习之总结/ 出于文本归类和数据处理之需求，这段时间研究了下文本处理类的机器学习方面的东西。也快过年放假了，在此做一个总结和感受吧。 分词 正如绝大多数的科学研究一样，机器学习的算法

机器学习难，并不是因为数学难，而是因为选择什么工具及Debug难。快速有效Debug是现代机器学习中的必备技能，但机器学习的Debug相比普通程序要难很多：候选错误空间大、调试周期长。 机器学习已

本文汇编了一些机器学习领域的框架、库以及软件（按编程语言排序）。 C++ 计算机视觉 CCV —基于C语言/提供缓存/核心的机器视觉库，新颖的机器视觉库 OpenCV —它提供C++, C, Python

不幸的是，现在的教育系统在教学上太事无巨细，因此很少给你机会独立学习。但是我们到底应该怎样去自学呢？ Metacademy 2 是一个进行自学的很好的工具，目前主要提供机器学习和人工智能方面的知识。自学最令人兴奋的地方就

展模块：Numpy和Scipy。 其中Numpy是一个用python实现的科学计算包。包括： 一个强大的N维数组对象Array； 比较成熟的（广播）函数库； 用于整合C/C++和Fortran代码的工具包；

-classifier/ 本文主要回顾下几个常用算法的适应场景和优缺点！ 对于你的分类问题，你知道应该如何选择哪一个机器学习算法么？当然，如果你真的在乎精度（accuracy），最好的方法就是

这两年机器学习的概念一直很火，无人车、人脸识别、语音识别，似乎无所不能。但有一点被忽略了，“机器学习”算法只是众多算法的一种，和快速排序、red-black BST 一样，它有自己独特的应用场景，而且

机器学习Machine-Learning 主要内容 前言 课程列表 推荐学习路线 数学基础初级 程序语言能力 机器学习课程初级 数学基础中级 机器学习课程中级 推荐书籍列表 机器学习专项领域学习 前言

自然语言处理 ScalaNLP—机器学习和数值计算库的套装 Breeze —Scala用的数值处理库 Chalk—自然语言处理库。 FACTORIE—可部署的概率建

-classifier/ 本文主要回顾下几个常用算法的适应场景和优缺点！ 对于你的分类问题，你知道应该如何选择哪一个机器学习算法么？当然，如果你真的在乎精度（accuracy），最好的方法就是

Part 1: 机器学习的前世今生. 既然说机器学习，就从什么机器学习开始，相对而言，机器学习是一个比较泛的概念 初看的话，会觉得机器学习和人工智能，数据挖掘讲的东西很像，实际他们之间的关系可以概括为：

Adaboost是一种组合学习的提升算法，能将多个弱学习算法（甚至只比随机猜测好一点）组合起来，构成一个足够强大的学习模型。 组合学习 组合学习是将多个假说组合起来，并集成它们的预测。比如对于一个

最近学习的重点不在机器学习上面，但是现代的学科就是这么奇妙，错综复杂，玩着玩着，你发现又回到了人工智能这一块。所以干脆好好整理下当下令很多 人如痴如醉，但又不容易入门的机器学习。一来给大多数还没有入门

Python、NLTK 和机器学习对 RSS 提要进行分类 作者： Chris Joakim , 高级软件工程师, Primedia Inc 简介： 机器学习取决于 IT、数学和自然语言的交集，在大

YCML 是使用 Objective-C 编写的机器学习框架，也支持 Swift。 当前提供以下算法： Gradient Descent Backpropagation [1] Resilient

兔子和分布式机器学习 上个学习的时候，我除了 TA 机器学习以外，另外一半的时间就是上了 System 课程。因为上课的缘故，需要做一个课程项目，于是我决定做一些和分布式机器学习相关的事情。 来到

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. 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

机器学习平台、框架、库和软件集合。所有资源来自互联网。 本文是WIKI页面，请自由的参与到这个列表的贡献。 目录 平台 C General-Purpose Machine Learning Computer

MIT一牛人对数学在机器学习中的作用给的评述，写得很实际 机器学习和计算机视觉都是很多种数学的交汇场。看着不同的理论体系的交汇，对于一个researcher来说，往往是非常exciting的enj