以下表格摘自：http://www.shogun-toolbox.org/ 另推荐机器学习软件汇总网站 http://mloss.org/software/ feature shogun weka

书籍 机器学习经典书籍小结 http://www.cnblogs.com/snake-hand/archive/2013/06/10/3131145.html 机器学习&深度学习经典资料汇总 http://www

（1）将每个图片（即txt文本）转化为一个向量，即32*32的数组转化为1*1024的数组，这个1*1024的数组用机器学习的术语来说就是特征向量。 （2）训练样本中有m个图片，可以合并成一个m*1024的矩阵，每一行对应一个图片。

最近在看斯坦福大学的机器学习的公开课，学习了支持向量机，再结合网上各位大神的学习经验总结了自己的一些关于支持向量机知识。 一、什么是支持向量机(SVM)? 1、支持向量机（Support Vector

Swift-AI - Swift高度优化的人工智能和机器学习库。We currently support iOS and OS X, with support for more platforms coming

http://blog.jobbole.com/97829/ 【导读】：数据是机器学习研究的命门。访问真正的大规模数据集，是一项传统上由机器学习研究者和大公司的数据科学家所保有的特权，然而大多数学术研究人员缺无法

字幕组双语原文： TensorFlow 最出色的 30 个机器学习数据集 英语原文： 30 Largest TensorFlow Datasets for Machine Learning 翻译：雷锋字幕组（

/49337323 引言 ：逻辑回归是最简单的机器学习模型，常常应用于各种简单的任务中。这里记录逻辑回归的背景以及学习方法，权当自己的学习记录总结。 逻辑回归 ：首先，它不是一个回归模型，而是一个分类模型，它是被用来做分类的。

传统数据挖掘/机器学习库存在的问题 缺少一个活跃的技术社区 扩展性差 文档化差，缺少实例 不开源，商业化库 通常由研究机构开发 实施性差 Apache Mahout优点 技术社区活跃

前言：最初关注深度机器学习是听了NUS的汪晟博士关于深度机器学习平台SIGNA的介绍，当时就发现深度机器学习是人工智能的一个革新的进步。但是由于从事的云计算和大数据方向的工作，所以平时只是作为自己的兴

Machine Learning awesome-machine-learning - 非常棒的机器学习框架，库和软件集合，按语言划分。 Inspired by awesome-php. If you

使用高级分析算法(如大规模机器学习、图形分析和统计建模等)来发现和探索数据是当前流行的思路，在IDF16技术课堂上，英特尔公司软件开发工程师王以恒分享了《基于Apache Spark的机器学习及神经网络算法和应

机器学习框架、库和软件集合 (按编程语言分类)。 Table of Contents C General-Purpose Machine Learning Computer Vision C++ Computer

用scikit-learn和IPython构建并行机器学习方案，内容覆盖机器学习、文本分类、并行开发等，附赠全部IPython代码，ogrisel本人也是scikit-learn开发成员，视频是13年

力，即机器学习和数据挖掘的理论知识、编程开发与数据结构算法的基础和业务理解与沟通表达的能力。 上面的图里列出了这个行业不同类型的从业者机器特点。 A. 主要是负责做最顶尖机器学习相关学

K-近邻算法是一种分类算法，分类算法是监督学习算法，监督学习算法和无监督学习算法的最大区别就是监督学习需要告诉机器一些正确的事物，也就是训练数据集，而无监督学习算法则不需要事先准备这些，比如聚类算法。

引言： 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。

第3章 　决策树学习 决策树学习是应用最广的归纳推理算法之一。它是一种逼近离散函数的方法，且对噪声数据有很好的鲁棒性，能够学习析取表达式。本章描述了一系列决策树学习算法，包括象ID3、ASSISTANT和C4

在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实 践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步

第5章 　评估假设 对假设的精度进行经验的评估是机器学习中的基本问题。本章介绍了用统计方法估计假设精度，主要为解决以下三个问题：首先，已知一个假设在有限数据样本上观察到的精度，怎样估计它在其他实例上