MLPACK 是一个 C++ 的机器学习库，其重点是可伸缩性、速度和易用。 MLPACK 2.0.0 发布，主要更新如下： * Parallelization: the DET (density 

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

是一个快速、模块化、功能丰富的开源 C++ 机器学习库，提供了各种机器学习相关技术，比如线性/非线性优化、基于内核学习算法、神经网络等。Shark 已经应用于多个现实项目中。 机器学习（Machine Lear

Jubatus 是一个分布式处理框架和机器学习库，包含以下功能： 在线机器学习库，包括：分类、聚合和推荐 fv_converter: 数据预处理（用自然语言） 在线机器学习框架，支持容错 项目主页： http://www

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

计算技术通常用来分析数据，而理解数据则依赖于机器学习。多年来，对于大多数开发者来说，机器学习却是非常遥远、一直是难以企及的。 这可能是现在收益最高，也是最受欢迎的一项技术之一。毫无疑问——作为开发人员，机器学习是一个能够大展身手的舞台。

简单，适合在线学习和大量的数据的情形，缺点是稳定性不好，尤其是η太大的话，可能情况很糟糕，所以这里的η经验上取0.1会比较好。 其最终的表达式如下： 参考资料 机器学习基石课程，林轩田，台湾大学

混合分布是来自其他随机变量的集合构成的随机变量的概率分布：一个随机变量是根据给定的概率从集合随机选取的

Machine Learning Goals? 我收到过许多想开始学习机器学习的开发者和学生的邮件。我问他们的第一个问题是：是什么阻止了你开始学习？ 我试图找出让他们挣扎的核心原因，大多数时候都是一些自我限制的想法在阻止他们前进。

Machine Learning PHP General-Purpose Machine Learning Python Computer Vision Natural Language Processing General-Purpose

在学界一般认为，《红楼梦》后 40 回并非曹雪芹所著。本文尝试应用机器学习的方法来分析原著文本中作者的用词习惯，从技术角度去说明《红楼梦》前 80 回和后 40 回的写作风格差别，继而可以确认后 40

GraphLab GraphLab是一种新的面向机器学习的并行框架。GraphLab提供了一个完整的平台，让机构可以使用可扩展的机器学习系统建立大数据以分析产品，该公司客户包括Zillow、A

Netflix的目标是能预测顾客之所想观看的电影，也即推荐预测。为了做到这一点，每天会运行大量机器学习工作流，而为了支撑创建这么多机器学习工作流和有效利用资源，Netflix的工程师开发了Meson。 Meson

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

OpenNLP 是一个机器学习工具包，用于处理自然语言文本。支持大多数常用的 NLP 任务，例如：标识化、句子切分、部分词性标注、名称抽取、组块、解析等。 Apache OpenNLP 1

作者：daniel-D 1. 前言 熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简 单，coding 方便

大当家的，快醒醒！！斯坦福的《机器学习》课程已经开始上课了！ 课程在 Coursera 开设，老师提醒，虽然课程今天才开始，但是 3 月 27 日你就要提交第一次作业了！ 鸭梨山大有木有？

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

com/cn/news/2015/12/5-best-ml-api-to-use 机器学习作为大数据的前沿无疑是让人生畏的，因为只有技术极客和数据科学领域的专家才能驾驭机器学习算法和技术，对于大部分企业和组织而言，过去这一直都是一