作者：微软亚洲研究院实习生：林添 冰雪王国的浪漫   机器学习的盛宴 NIPS （ Advances in Neural Information Processing Systems ，神经信息处理系统进展大会）是每年

Waffles英文原意是蜂蜜甜饼（见logo），在这里却指代一个非常强大的机器学习的开源工具包，基于C++语言开发。 Waffles里包含的算法特别多，涉及机器学习的方方面面，推荐系统位于其中的Waffles_recommend

Ramp是一个Python库用于快速搭建机器学习解决方案原型。它是一个轻量级基于 pandas 的机器学习框架，可插入已有的Python机器学习和统计工具（如 scikit-learn , rpy2

scikit-learn 是一个用Python语言编写机器学习库的开源站点.通常解决机器学习问题最难的部分就是找到合适的估计器.下面的流程图清晰地给出了解决问题的路径，单击任何估计器就能看到它的文档。

MLTK是各种监督的机器学习算法集合，专为直接训练模型和深度开发设计。 当前MLTK支持： Generalized Linear Models Ridge Lasso Elastic Net Group

Spark的39个机器学习库

大数据/数据挖掘/推荐系统/机器学习相关资源 Share my personal resources 书籍 各种书~各种ppt~更新中~ http://pan.baidu.com/s/1EaLnZ 机器学习经典书籍小结

机器学习指南资源集合

r、paper……真的挺愁人的 还有几个月就要进行春季实习招聘了，加油！总结一下python机器学习方面的资料吧。 1、数据处理 1.1 综合 Scipy SciPy is a Python-based

另外需要注意的是，牛顿法在每次迭代时不能总是保证海森矩阵是正定的，一旦海森矩阵不是正定的，优化方向就会“跑偏”，从而使得牛顿法失效，也说明了牛顿法的鲁棒性较差。拟牛顿法用海森矩阵的逆矩阵来替代海森矩阵，虽然每次迭代不能保证是最优的优化方向，但是近似矩阵始终是正定的，因此算法总是朝着最优值的方向在搜索。

机器学习是目前数据分析领域的一个热点内容，在平时的学习和生活中经常会用到各种各样的机器学习算法。实际上，基于Python、Java等的很多机器学习算法基本都被前人实现过很多次了。这些算法在网上可以找到

你 知道如何为你的分类问题选择合适的机器学习算法吗？当然，如果你真正关心准确率，那么最佳方法是测试各种不同的算法（同时还要确保对每个算法测试不同参 数），然后通过交叉验证选择最好的一个。但是，如果你只

的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。 最大期望算法经过两个步骤交替进行计算：

diffMat = tile(inx,(dataSetSize,1)) - dataSet #tile类似于matlab中的repmat，复制矩阵 sqDiffMat = diffMat ** 2 sqDistances

xm是某样本数据的各个特征，维度为m） ps： 这里就是一个线性回归。W权重值就是需要经过训练学习到的数值，具体W向量的求解，就需要用到极大似然估计和将似然估计函数代入到 优化算法来求解。最常用的最后化算法有

在听到人们谈论机器学习的时候，你是不是对它的涵义只有几个模糊的认识呢？你是不是已经厌倦了在和同事交谈时只能一直点头？让我们改变一下吧！ 本指南的读者对象是所有对机器学习有求知欲但却不知道如何开头的

PyML是一个Python机器学习工具包，为各分类和回归方法提供灵活的架构。它主要提供特征选择、模型选择、组合分类器、分类评估等功能。 Features Classifiers: support vector

Troy's posterous Will Dwinnell: Data Mining in MATLAB Xiaoding Yu: Xiaodong's tech notes on computer

机器学习经典论文/survey合集

我们在之前得知，通过最小化Ein来选择最好的模型不是一个正确的办法，因为这样可能会付出模型复杂度的代价、造成泛化效果差、造成过拟合的发生。