按照我做项目的经验，来了项目，首先是分析项目的目的和需求，了解这个项目属于什么问题，要达到什么效果。然后提取数据，做基本的数据清洗。第三步是特征工程，这个属于脏活累活，需要耗费很大的精力，如果特征工程

　　之前提到的CNN模型主要用到人类的视觉中枢，但其有一劣势，无论是人类的视觉神经还是听觉神经，所接受到的都是一个连续的序列，使用CNN相当于割裂了前后的联系。从而诞生了专门为处理序列的Recurrent

　　在矩阵分解在协同过滤推荐算法中的应用中，我们对矩阵分解在推荐算法中的应用原理做了总结，这里我们就从实践的角度来用Spark学习矩阵分解推荐算法。   1. Spark推荐算法概述 在Spark MLl

　　1 原理        knn 是机器学习领域非常基础的一种算法，可解决分类或者回归问题，如果是刚开始入门学习机器学习，knn是一个非常好的入门选择，它有着便于理解，实现简单的特点，那么下面就开始介绍

　　在本文中将为大家介绍聚类算法和关联分析问题。分类算法与聚类到底有何区别？聚类方法应在怎样的场景下使用？如何使用关联分析算法解决个性化推荐问题？本文就为大家揭晓答案。   本文将围绕一下几个方面进行介绍

　　1. 极大似然 极大似然（Maximum Likelihood）估计为用于已知模型的参数估计的统计学方法。比如，我们想了解抛硬币是正面（head）的概率分布θ；那么可以通过最大似然估计方法求得。假如我

　　1. 关联分析 关联分析是一类非常有用的数据挖掘方法，能从数据中挖掘出潜在的关联关系。比如，在著名的购物篮事务（market basket transactions）问题中，   关联分析则被用来找出

　　SVM（Support Vector Machines）是分类算法中应用广泛、效果不错的一类。《统计学习方法》对SVM的数学原理做了详细推导与论述，本文仅做整理。由简至繁SVM可分类为三类：线性可分（

　　1. 引言 k-means与kNN虽然都是以k打头，但却是两类算法——kNN为监督学习中的分类算法，而k-means则是非监督学习中的聚类算法；二者相同之处：均利用近邻信息来标注类别。 聚类是数据挖掘

　　前言        机器学习是人工智能研究领域的一个重要分支，近十年因为以深度学习为代表的研究方向在图像识别，语音识别，文本翻译及深度强化学习在围棋等游戏应用中的重大突破而又重新兴起，变成新的技术浪潮

　　机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。

　　来自CMU和斯坦福的Zachary C. Lipton和Jacob Steinhardt两位研究员为顶会ICML举办的Machine Learning: The Great Debate发表文章，并指

　　分享一篇研报，讲机器学习应用量化投资的，值得学习！

　　近年来，机器学习领域受到越来越多的关注，相关的机器学习算法开始成为热点，知乎上同类问题同样不少，如机器学习该怎么入门？机器学习、数据挖掘 如何进阶成为大神？普通程序员如何向人工智能靠拢？学习人工智能该

　　本文以Bremen大学机器学习课程的教程为基础的。总结了使用机器学习解决新问题的一些建议。包括： 可视化数据的方法 选择一个适合当前问题的机器学习方法 鉴别和解决过拟合和欠拟合问题 处理大数据库问题（