Conjecture 是 Esty 开发的构建机器学习模型框架，在 Hadoop 中使用 Scalding DSL 构建。Conjecture 的目的是允许静态统计模型在广泛的产品设置中作为可变组件。

机器学习算法库，涉及Topic Model、矩阵分解、最优化方法(Newton)、时间序列分析等常用挖掘功能. Makefile 项目可直接使用make命令来进行编译 Cmake 如果你碰巧安装了cmake，

机器学习的问题最终都会归结为对一个优化问题进行求解，而优化问题可以分为无约束优化问题和有约束优化问题。有约束的优化问题是指对于目标函数中的变量有显式约束条件的，比如0<=x<=100。无约束优化问题是

机器学会阅读将是人工智能在处理和理解人类语言进程中一个里程碑式的事件，是一个真正AI必须达到的标准。最近一家叫做 Maluuba 的科技公司，号称开发了目前最领先的机器阅读理解系统EpiReader[

数据分析和洞察，以 及企业级移动数据分析和挖掘的解决方案等产品和服务。随着各项业务快速发展，需要机器学习支撑的需求也越多越多，数据规模也越来越大，带来很大的挑战。而 且TalkingData作为一个新

http://www.pintu360.com/article/13681.html Facebook开源先进的深度学习工具Torch Torch是一个从2002年就开始存在的开源库，其包含了一个用来构建和训练神经

在使用机器学习算法的过程中，针对不同场景需要不同的评价指标，在这里对常用的指标进行一个简单的汇总。 一、分类 1. 精确率与召回率 精确率与召回率多用于二分类问题。精确率（Precision）指的

PredictionIO 是一个开源的机器学习引擎，程序员用来使程序显示得具有预测性特点，例如个性化，推荐，内容显示。用PredictionIO你可以瞬间让你的程序增加以下特点：预测用户行为，提供个性

研究数据挖掘和机器学习有一段时间了，对数据挖掘来说，商用软件有SAS、 Clementine、Oracle数据挖掘组件等等；由于个人学习和版权、算法定制等问题，开源的数据挖掘与机器学习软件(库)目前也

上周，我去洛杉矶参加了一个机器学习的meetup，一位主讲是eHarmony公司（美国最大的婚恋交友网站之一，通过性格测试来进行婚恋匹配的模式——百度百科）的Jon Morra，他着重分享了机器学习（machine

https://github.com/liuliu/ccv mlpack ：可扩展的C++机器学习库 地址： https://github.com/anticlockw OpenCV：开源计算机视觉库

决策树是一种树形分类结构，一棵决策树由内部结点和叶子结点构成，内部结点代表一个属性（或者一组属性），该结点的孩子代表这个属性的不同取值；叶 子结点表示一个类标。决策树保证每一个实例都能被一条从根结点到叶子结点的路径覆盖，叶子结点就是这条实例对应的类别，遍历这条路径的过程就是对这条实例 分类的过程。

机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里IT经理网为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 机器学习的算法很多。很多

本文首次发表于译言网，翻译自Technet.com，为[机器学习]系列文章之一。 发表地址： http://article.yeeyan.org/view/propiram/442378 下面

SmileMiner是一个包含各种现有的机器学习算法的Java库。主要组件包括： mile 机器学习的核心库 SmileMath 数学函数、排序、随机数生成器、最优化、线性代数、统计分布、假设检验

正则化（regularization）技术是机器学习中十分常用的技术，它在不同的模型或者情景中以不同的名字出现，比如以L2正则化为例，如果将L2正则化用于linear regression，那么这就对应了ridge

系列一直没有更新，向关注该系列的同学们道个歉。尴尬的是，按理说，机器学习介绍与算法一览应该放在最前面写，详细的应用建议应该在讲完机器学习常用算法之后写，突然莫名奇妙在中间插播这么一篇，好像有点打乱主线。

，这次我们来聊聊KNN算法。 KNN是 k-Nearest-Neighbours 的缩写，它是一种监督学习算法。KNN算法可以用来做分类，也可以用来解决回归问题。 GitHub仓库： machine-learning-with-js

对于各种热门的机器学习、深度学习课程，你一定了解过不少了。但上课之后，如何把学出来的这些新方法用在你的工作项目？如何让你的移动应用也能具备机器学习、深度学习的能力？ 具体做这事的话：你是该自己训练

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