不过限于时间，第三个只是会简单提及下， 等未来有机会可以更详细的分享。 1.如何基于Spark做机器学习（Spark-Shell其实也算的上即席查询了） 2.基于Spark做新词发现（依托Spark的强大计算能力）

机器学习中使用的算法大体分为 3 类：监督学习、无监督学习和强化学习。 监督学习 提供了反馈来表明预测正确与否，而 无监督学习 没有响应：算法仅尝试根据数据的隐含结构对数据进行分类。 强化学习 类似于

Xavier Amatriain 是Quora的工程副总裁。近日，他撰文 介绍 了Quora如何应用机器学习。 Quora希望提供一个高效且有吸引力的知识分享平台。他们非常关注下面三个维度： 相关性：

在理解了我们需要解决的机器学习问题之后，我们可以思考一下我们需要收集什么数据以及我们可以用什么算法。本文我们会过一遍最流行的机器学习算法，大致了解哪些方法可用，很有帮助。 机器学习领域有很多算法，然后

你可能听说过谷歌和Facebook这样的公司如何利用机器学习来开车、识别语音和分类图片。你可能会想，这很酷。但这和你的工作有什么关系呢？好吧，来看看这些公司如何使用机器学习吧。 一家支付处理公司在几十亿次交易中，

Scala 编写的软件框架，来自伯克利大学 AMPLab 实验室。该项目主要目的是简化构造大规模、端到端的机器学习管道，基于 Apache Spark 构建。 示例代码： val trainData = N

SystemML 是灵活的，可伸缩机器学习 (ML) 语言，使用 Java 编写。机器学习 (ML) 是指无需显式的编程即可让计算机学习的能力。 SystemML 与众不同的是： (1) 可定制算法

Shifu 是一个针对 Hadoop 开源的，终端到终端的机器学习平台。Shifu为数据科学家而设计，简化构建机器学习模型的生命周期。 特性： 快速 - Shifu基于Hadoop，分布式

如果你曾希望训练机器学习模型，使其支持 IFTTT，那么 现在可以 使用来自 MateLabs 的新产品。该公司的 MateVerse 平台此前已经可以帮助新手玩转机器学习模型，而目前进一步支持了与 IFTTT

协同过滤 在 用户 —— 物品（user - item）的数据关系下很容易收集到一些偏好信息（preference），比如评分。利用这些分散的偏好信息，基于其背后可能存在的关联性，来为用户推荐物品的方法，便是

不过我是一名商人。 在商言商 ，我对机器学习和人工智能（由于某种原因，我认为它是一样的——好吧，换句说法，过去认为是一样的）感到非常激动。我相信这就是未来，我完全想开发下一代应用了“机器学习”的产品，以此来统治世界。

算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能 力上有了不小的提升。实话说，机器学习很难，非常难，要做到完全了解

1. 机器学习定义 机器学习（Arthur Samuel，1959）：在确定编程之外给予计算机学习能力的研究领域。 机器学习（Tom Mitchell，1998）：如果计算机程序对于任务T的 性能度量P

到的大量的优质资讯信息进行学习吸收又非常的困难，所以特此做一个机器学习快讯专题，把平日遇到的优质文章整理罗列出来，等有时间或者遇到类似的问题的时候再看也是有益处的。 机器学习技术 12个用好朴素贝叶斯算法的小提示

antispam是用Python编写的贝叶斯反垃圾邮件分类。 PyPI: pypi.python.org/pypi/antispam Docs: antispam.readthedocs.org Installation

第11章 　分析学习 神经网络和决策树这样的学习方法需要一定数目的训练样例，以达到一定级别的泛化精度。前面章节讨论的理论界限和实验结果反映出了这一事实。分析学习使用先验知识和演绎推理来扩大训练样例提

根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方法。在机器学习 领域，有几种主要的学习方法。将算法按照学习方法分类是一个不错的想法，这样可以让人们在建模

第10章 　学习规则集合 对学习到的假设，最具有表征力的和最能为人类所理解的表示方法之一为if-then规则的集合。本章探索了若干能学习这样的规则集合的算法。其中最重要的一种是学习包含变量的规则集合

第2章 　概念学习和一般到特殊序 从特殊的训练样例中归纳出一般函数是机器学习的中心问题。本章介绍概念学习：给定某一类别的若干正例和反例，从中获得该类别的一般定义。概念学习也可被看作一个搜索问题，它在

第6章 　贝叶斯学习 贝叶斯推理提供了推理的一种概率手段。它基于如下的假定，即待考查的量遵循某概率分布，且可根据这些概率及已观察到的数据进行推理，以作出最优的决策。贝叶斯推理对机器学习十分重要，因为它