常用機器學習算法的點睛之筆
AdaBoost： 權值的作用是什麽？1）對分錯的樣本給予更高的權值，給弱分類器的誤差加權2）所有弱分類器的投票權重...
揭開機器學習的麵紗：最大熵模型100行代碼實現[Python版]
理論說明部分見上一篇：
最大熵模型簡介[例子+推導+GIS求解]
為了是代碼簡短，方便閱讀，去掉了很多健壯性檢測...
協同過濾之ALS-WR算法
這篇文章是參考：https://github.com/ceys/jdml/wiki/ALS 改寫的，由於原文Latex公式沒有正常展現+少量筆誤，妨...
最大熵模型簡介[例子+推導+GIS求解]
這篇文章是結合論文http://www.cqvip.com/Main/Detail.aspx?id=7707219對博文：http://www.cnblogs.com/hexinuaa...
Slope One——簡單而高效的協同過濾算法
在傳統基於內容的推薦係統中，根據商品特性的相似性來做推薦，例如：如果你購買了Machine Learning, Tom M.Mitch...
Spark機器學習庫指南[Spark 1.3.1版]——降維(Dimensionality Reduction)
下麵是章節降維的內容(其他內容參見全文目錄)
奇異值分解 (SVD)
性能
SVD示例
主成分分析 (...
Spark機器學習庫指南[Spark 1.3.1版]——基礎統計(Basic statistics)
下麵是章節基礎統計的目錄(其他內容參見全文目錄)
匯總統計(Summary statistics)
相關係數(Correlations...
Spark機器學習庫指南[Spark 1.3.1版]——數據類型(Data Types)
下麵是章節數據類型的目錄(其他內容參見全文目錄)
局部向量[Local vector]
標記點[Labeled point]
局...
Spark機器學習庫指南[Spark 1.3.1版]——特征提取和轉換(Feature extraction and transformation)
下麵是章節特征提取和轉換的內容(其他內容參見全文目錄)
TF-IDF
Word2Vec
模型
示例
...
Spark機器學習庫指南[Spark 1.3.1版]——聚類(Clustering)
下麵是章節聚類的內容(其他內容參見全文目錄)
聚類是一個無監督學習問題，我們基於相似的特性將數據分組成...
Spark機器學習庫指南[Spark 1.3.1版]——優化(Optimization)
下麵是章節優化的目錄(參見全文目錄)
數學描述
梯度下降(Gradient descent)
隨機梯度下降 (SGD)
...
Spark機器學習庫指南[Spark 1.3.1版]——樹的集成(ensembles of trees)
下麵是章節樹的集成的目錄(參見決策樹，其他內容參見全文目錄)
梯度提升樹 vs. 隨機森林
隨機森林
...
Spark機器學習庫指南[Spark 1.3.1版]——決策樹(decision trees)
下麵是章節決策樹的目錄(其他內容參見全文目錄)
基礎算法
節點不純度和信息增益（Node impurity and i...
Spark機器學習庫指南[Spark 1.3.1版]——線性模型(Linear Models)
下麵是章節線性模型的目錄(其他內容參見全文目錄)
數學公式
損失函數(Loss functions)
正則化(Regu...
Spark機器學習庫指南[Spark 1.3.1版]——分類和回歸(Classification and Regression)
下麵是章節分類和回歸的目錄(其他內容參見全文目錄)
MLlib支持多種機器學習方法，這些方法可以用於解決二分類...
Spark機器學習庫指南[Spark 1.3.1版]——頻繁模式挖掘(Frequent Pattern Mining)
下麵是章節頻繁模式挖掘的內容(其他內容參見全文目錄)
頻繁項集挖掘是通常是大規模數據分析的第一步，多年以...
Spark機器學習庫指南[Spark 1.3.1版]——樸素貝葉斯(Naive Bayes)
下麵是章節樸素貝葉斯的正文(其他內容參見全文目錄)
樸素貝葉斯是一個簡單的多分類算法。之所以稱為樸素，是...