存在一个样本数据集合（也称训练样本集），并且样本集中每个数据都存在标签。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。 我们一般只选择样本集中前k（k通常是不大于20的整数）个最相似的数据，最后选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

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。

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 和其他产品多年。但是，这是微软首次将内部技术以云服务的方式提供给外界使用。

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。

最近媒体报道谷歌正在利用机器学习帮助处理搜索结果，这引发了人们对于这一人工智能领域的兴趣和疑问。什么是“机器学习”，机器是如何自学的呢？这里有一些 Google 内部关于机器学习的背景介绍。 昨天

你周围的人是否都在谈论着“机器学习”？而你是否也听说过一些算法技术却仍旧缺乏一个全局的认识？本文也许就是一个好的起点…… 智力的新纪元 在科学界，机器学习是目前很热门的话题。通过把计算机和人类的能

SmileMiner是一个汇集了各种机器学习算法的纯Java函数库，它是自包含的，仅仅需要Java标准库。主要部件为：Smile，-Math，-Data，-Graph，-Interpolation，-

BP神经网络，训练的时候，给定一组输入和输出，不断的对权值进行训练，使得输出达到稳定。但BP神经网络并不是适合所有的场景，并不真正的体现出某些场景的真正特点。回到经典的概率论问题，抛硬币问题，假设你已经抛了100次的，90次是正面的，10次是反面的，问现在继续在抛一次，出现正面的概率是多少？如果没有前面几次的经验，很正常的会认为再次出现正面的概率是50%，但由于我们之前有对这个进行了实验，即有了经验了，按照贝叶斯定律，出现正面的概率肯定会大于50%。BP神经网络也少了对前面结果的一种反馈。

为了保证可读性，本文采用意译而非直译。另外，本文版权归原作者所有，翻译仅用于学习 使用JavaScript做机器学习？不是应该用Python吗？是不是我疯了才用JavaScript做如此繁重的计

随着基于人工智能与机器学习的应用如雨后春笋般不断涌现，我们也看到有很多提供类似功能的 API 悄悄登上了舞台。 API 是用于构建软件应用的程序、协议以及工具的组合；本文是对2015 中这个列表的修正与完善，移除了部分被废弃的

机器学习涉及到的方面非常多。当我开始准备复习这些内容的时候，我找到了许多不同的”速查表”, 这些速查表针对某一主题都罗列出了所有我需要知道的知识重点。最终我编译了超过 20 份机器学习相关的速查表，其

Azure 机器学习平台 这样的云端服务平台，企业不仅仅可以用它来储存数据，做一些经典的“后视”商务智能分析，更能使用云端的强大力量做出具有“前瞻性”的预测分析。使用 Azure 机器学习 这样的现代