Spark機器學習庫指南[Spark 1.3.1版]
本文內容關鍵詞：Spark官方文檔，Spark教程， Spark MLlib教程。
本文翻譯自Spark官方文檔：Machine Learning Library (MLlib) Guide ，代碼示例以P...
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
SVM： 超平麵切割空間，支持向量距離最...
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的代碼以及特殊處理。下麵的代碼實現的...
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，妨礙閱讀，所以這裏重新整理了一下。
ALS是al...
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/p/3353479.html加入自己的理解做了簡化重...
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.Mitchell這本書，係統會給你推薦The Elements of S...
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 (PCA)
降維 是減少變量數量的過程。它可以用來...
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)
分層抽樣(Stratified sampling)
假設檢驗...
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]
局部矩陣[Local matrix]
分布式矩陣[Distributed...
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
標準化（StandardScaler）
模型擬合
...
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多個子集。聚類通常用於探索性分析或者作為分...
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)
分布式SGD的更新機製
有限內存BFGS(Limited-...
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
基礎算法
訓練
預測
使用建議
...
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 information gain）
分裂候選集（Split candid...
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(Regularizers)
優化(Optimization)
分類
...