機器學習 - 純淨天空

Spark機器學習庫指南[Spark 1.3.1版]——分類和回歸(Classification and Regression)

@丹陽 ▣機器學習, 算法&結構 ♢分類, 回歸, 機器學習

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、多分類以及回歸分析問題。下表列出了針對每...

@丹陽 ▣機器學習, 算法&結構 ♢FP-growth, 數據挖掘, 頻繁項集

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，多年以來它都是數據挖掘領域的活躍研究主題。建議用...

@丹陽 ▣機器學習, 算法&結構 ♢樸素貝葉斯, 機器學習, 翻譯

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，是因為該算法假設特征之間相互獨立。樸素貝葉斯...

@丹陽 ▣機器學習, 算法&結構 ♢集成學習

摘要：文章介紹了集成學習的概念和它的發展，它有RF和GBDT兩大殺器，它有嫁接法、集成半監督學習的最新進展能夠提升學習效果，文章還著重分析了集成學習成功...

@丹陽 ▣機器學習, 算法&結構 ♢機器學習

Introduction To Machine Learning_review

@丹陽 ▣機器學習, 算法&結構 ♢機器學習

本文轉自：http://www.52ml.net/star 注：本頁麵主要針對想快速上手機器學習而又不想深入研究的同學，對於專門的researcher，建議直接啃 PRML，ESL，MLAPP...

@丹陽 ▣機器學習, 算法&結構 ♢Python, SVM, 機器學習

之前對機器學習的理解，僅僅停留在書本上的推導公式，或者對一些開源工具的使用上。高大上的機器學習究竟如何訓練、怎樣預測的，對我們來說就像是一個黑盒充...

@丹陽 ▣機器學習, 算法&結構 ♢判別模型, 生成模型

The Difference Between Distriminative Models And Generative Models 簡單來說，判別模型對p(y|x)建模，而生成模型對p(x|y)建模，其中x是特征(features)...

@丹陽 ▣機器學習, 算法&結構 ♢機器學習

本文轉自：http://qxde01.blog.163.com/blog/static/67335744201368101922991/ Python在科學計算領域，有兩個重要的擴展模塊：Numpy和Scipy。其中Numpy是...

在《機器學習》（Tom.M.Mitchell)這本書中，第四章講解人工神經網絡的時候，給了一個人臉識別的例子，實際是基於人工神經網絡反向傳播算法來識別灰度圖像中的...

在機器學習中，訓練出的模型的好壞，很大程度上取決特征的選擇是否恰當。例如SVM模型要取得優秀的分類效果，通常需要配合卡方選擇才能實現。這是因為，大量的...

@丹陽 ▣機器學習, 算法&結構 ♢協同過濾, 機器學習

一張圖弄懂協同過濾：如下麵的GIF圖所示，已知用戶對部分商品的評價（好如不好），通過相似用戶的行為可以推測用戶對未知項的評價。上圖選自維基百科：ht...

@丹陽 ▣機器學習, 算法&結構 ♢信息論, 機器學習

摘要：信息量/熵/信息增益/互信息/交叉熵本文轉自：http://www.cnblogs.com/zhangchaoyang/articles/2655785.html ，對機器學習相關的信息論基本概念做了...

@丹陽 ▣機器學習, 算法&結構 ♢機器學習

研究數據挖掘和機器學習有一段時間了，對數據挖掘來說，商用軟件有SAS、 Clementine、Oracle數據挖掘組件等等；由於個人學習和版權、算法定製等問題，開源的...

@丹陽 ▣機器學習, 算法&結構 ♢樸素貝葉斯, 機器學習, 貝葉斯

摘要：樸素貝葉斯分類/文本分類本文轉自：http://www.cnblogs.com/zhangchaoyang/articles/2586402.html ，有例子+簡單公式推導，介紹樸素貝葉斯的好文章...