- 综合排序
- 最热优先
- 最新优先
机器学习书籍推荐
吴恩达 Cousera 机器学习课程Andrew Ng 的机器学习课程（Machine Learning | Coursera）是很多人的启蒙课程，难度适中且完全免费。 另一个比较直接的观察是如果大家在知乎上搜索“机器学习如何入门？” ，大部分答案都提到了 Andrew 的这门入门课程，所以这是一门绝对的口碑课程，详细讨论可以参考：微调：为何国人迷恋吴恩达的机器学习课？。 周志华《机器学习》周志华老师的《机器学习》也被大家亲切的叫做“西瓜书”。虽然只有几百页，但内容涵盖比较广泛。然而和其他人的看法不同，我建议把西瓜书作为参考书而不是主力阅读书。
66310编辑于 2024-01-29- 来自专栏机器学习算法与Python学习
推荐 | 图解机器学习
关键字全网搜索最新排名 【机器学习算法】：排名第一 【机器学习】：排名第一 【Python】：排名第三 【算法】：排名第四 源 | ynaughty 每当提到机器学习，大家总是被其中的各种各样的算法和方法搞晕 确实，机器学习的各种套路确实不少，但是如果掌握了正确的路径和方法，其实还是有迹可循的，这里我推荐SAS的Li Hui的这篇博客，讲述了如何选择机器学习的各种方法。 这里我们先用鼠标随机生成8个数据点，然后绘制出表示主成分的白色直线。这根线就是二维数据降维后的主成分，蓝色的直线是数据点在新的主成分维度上的投影线，也就是垂线。 如果对于算法的的准确性要求比较高，推荐的回归算法包括：随机森林，神经网络或者Gradient Boosting Tree。 如果要求速度优先，建议考虑决策树和线性回归。 Victorjs 2D向量库 推荐一些机器学习的路线图 https://ml-cheatsheet.readthedocs.io/en/latest/ 10大机器学习算法 https://www.gitbook.com
1.2K50发布于 2018-04-08 - 来自专栏机器学习算法与Python学习
经典机器学习书籍推荐
《Machine Learning》（《机器学习》） 作者Tom Mitchell是CMU的大师，有机器学习和半监督学习的网络课程视频。 《机器学习及其应用》 周志华、杨强主编。来源于“机器学习及其应用研讨会”的文集。 《推荐系统实践》 项亮，不错的入门读 深入 《Pattern Classification》（《模式分类》第二版） 作者Richard O. Duda[5]、Peter E. [7] 《Data Mining：Concepts andTechniques》（《数据挖掘：概念与技术》第三版） 作者（美）Jiawei Han[8]、（加）Micheline Kamber、（加） 极牛的书，可数学味道太重，不适合做机器学习的 《All Of Statistics》 机器学习这个方向，统计学也一样非常重要。
3.4K90发布于 2018-04-08 - 来自专栏机器学习AI算法工程
用Python开始机器学习：推荐算法之推荐矩阵
本章我们来学习一种最简单的推荐算法：推荐矩阵。虽然简单，但是却被广泛应用着。 1、推荐矩阵 为描述方便，以下我们以“购物推荐”作为背景进行介绍。假设你有个卖商品的网站，拥有每个用户购买每个物品的数据。 这种方式是以用户为中心的，推荐出来的商品b可能跟商品a风流马不相及，因此更适合于类似SNS和微博这样的平台，根据用户的已知兴趣集合来向其推荐其他具有相同兴趣的用户； 2：寻找与商品（a）最为相似的商品（ 从图上很容易看出，用户0与用户1同时购买了商品0，1，2，仅仅数量不一样；而商品0和商品1售出的情况一模一样——只被用户0，1，3，8购买过，看上去就像是捆绑销售的一般。 Buy Item 5, recommond item 0,1,3 Buy Item 6, recommond item 4,7,8 Buy Item 7, recommond item 4,8,6 3个作为推荐。
1K80发布于 2018-03-13 - 来自专栏PPV课数据科学社区
机器学习技术类书单推荐
机器学习技术类书单推荐，共11本： 《机器学习》 《图解机器学习》 《机器学习实战》【有电子版】 《机器学习系统设计》【有电子版】 《Python机器学习基础教程》【有电子版】 《Python机器学习经典实例 通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。 实战2：必应团队教你ML系统设计 ? ，再介绍一些库，然后就开始基于数据集进行比较正式的项目开发了，涉及建模、推荐及改进，以及声音与图像处理。 此外还通过详细的例子和现实应用讲解了常见的机器学习模型，包括推荐系统、分类、回归、聚类和降维。 Mahout核心团队权威力作 大数据时代机器学习的实战经典 Mahout作为Apache的开源机器学习项目，把推荐系统、分类和聚类等领域的核心算法浓缩到了可扩展的现成的库中。
1.1K140发布于 2018-04-20 - 来自专栏大数据文摘
推荐5个机器学习API
但是现在这种情况正在发生改变，正如标准的API简化了应用程序的开发一样，机器学习API也降低了这一领域的门槛，让越来越多的人和企业能够借助技术底蕴深厚的公司所提供的API试水机器学习。 机器学习API隐藏了创建和部署机器学习模型的复杂性，让开发者能够专注于数据挖掘和用户体验。 ，该平台提供的功能有自然语言处理、推荐引擎、模式识别、计算机视觉以及预测建模等，为了迎合数据科学家的喜好，Microsoft Azure机器学习平台还增加了对Python的支持，用户能够直接将Python ，它能够从BigQuery和Google云存储上读取数据，能够处理销售机会分析、客户情感分析、客户流失分析、垃圾邮件检测、文档分类、购买率预测、推荐和智能路由等用户场景。 Amazon机器学习API Amazon机器学习API让用户不需要大量的数据专家就能够实现模型构建、数据清洗和统计分析等工作，简化了预测的实现流程。
1.1K80发布于 2018-05-22 - 来自专栏量化投资与机器学习
AQR：机器学习相关论文推荐
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。 今天的推荐来自AQR，是关于机器学习论文的推荐。从“实证资产定价”，到“金融领域如何有效的利用机器学习模型”，再到“如何更有效的进行策略测试”等。 在最广泛的层面上，我们发现与传统方法相比，机器学习在资产定价的应用有着更好的效果。 本文建立的机器学习模型在样本外收益的预测给出了更高的R平方。 资产管理中，机器学习面临着一系列独特的挑战，与机器学习擅长的其他领域明显不同。理解这些差异对于开发有效的方法和资产管理中机器学习的现实期望至关重要。 我们讨论了各种有益的用例和潜在的陷阱，并强调了经济理论和专业知识在金融领域应用机器学习的重要性。
1.1K20编辑于 2022-03-03 - 来自专栏企鹅号快讯
推荐系统机器学习算法概览
来源：Medium 编译：weakish 编者按：Statsbot数据科学家Daniil Korbut简明扼要地介绍了用于推荐系统的主流机器学习算法：协同过滤、矩阵分解、聚类、深度学习。 当我们想向用户推荐东西时，最符合逻辑的做法是找到有相似兴趣的人，分析他们的行为，然后给我们的用户推荐相同的东西。 或者我们可以查看与用户之前所购类似的物品，并进行相应的推荐。 例如，我们有表示用户特德的向量(1.4; .9)和表示电影A的向量(1.4; .8)，矩阵分解之后我们可以直接通过计算(1.4; .9)和(1.4; .8)的点积来还原电影A——特德的评分，结果为2.68 聚类也能提升复杂推荐系统的性能。 深度学习 十年来，神经网络有一个巨大的飞跃。今天，神经网络被应用到许多领域，正逐渐取代传统的机器学习方法。我想谈一下YouTube使用的深度学习方法。 评分最高的那些视频将被推荐给用户。 使用这一两步方法，我们可以基于一个非常巨大的视频语料库推荐视频，同时保证推荐的少量视频是个性化的。这一设计也允许我们混合从其他来源生成的候选视频。
1.7K80发布于 2018-03-02 - 来自专栏好好学java的技术栈
推荐 8 个常用 Spring Boot 项目
下面将要介绍的 Spring Boot 精品项目是久一的好朋友小柒进行维护的，小柒热爱写博客、开源项目。下面的项目都是不错的案例，有针对支付、搜索、分布式存储等一系列的解决方案，并且配备了详细的教程。工作中如有用到相关业务收藏此文章。
63030发布于 2020-05-21 - 来自专栏微信公众号：Java团长
推荐 8 个 SpringBoot 精选项目
简介：支付服务：支付宝、微信、银联详细 代码案例，目前已经1800+Star。十分钟让你快速搭建一个支付服务，内附各种教程。
74320发布于 2019-05-14 - 来自专栏轮子工厂
推荐8个堪称神器的网站！
分享8个提升学习能力的神奇网站，谁用谁知道。 链接：dingdangsheji.com/ 8、 纳米学习导航 这是一个学习的导航网站，它收集了100多个学习网站的链接，内容包括了英语、面试题、考研、托福、考公务员等各个领域，mark一个相当于收藏了
91520发布于 2021-10-25 - 来自专栏机器学习算法与Python学习
机器学习(8) -- 降维
图10-6 PCA不是线性回归 分别基于上述两种目标的具体推导过程参见周志华老师的《机器学习》P230。 参考：《机器学习》 周志华
997100发布于 2018-04-04 - 来自专栏WordPress外贸建站
8个woocommerce支付网关插件推荐
当然您以前听说过WooCommerce吗？这是用WordPress建立在线商店的最简单方法之一。WooCommerce允许网站所有者添加产品，数字商品，甚至订阅（取决于您已安装的WooCommerce扩展）。但是，对于WooCommerce包含的所有强大功能，仅内置了一些默认付款选项。幸运的是，您可以添加大量免费的高级WooCommerce付款网关插件，为客户提供新的结帐选项。
8.5K00发布于 2020-12-03 - 来自专栏目标检测和深度学习
推荐 | 机器学习开源项目 Top 10
一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。 张量生成式(简称TC)是一个多功能的C++库，利用Halide、ISL、NVRTC和LLVM框架，它能够自动合成高性能的机器学习内核。 github.com/facebookresearch/TensorComprehensions ▌Rank 3 Shap：由Scott Lundberg开源，该项目使用期望值和Shapley值，可以解释任何机器学习模型的输出 github链接：https://github.com/slundberg/shap ▌Rank 4 NapkinML：由Erik Linder-Norén开源，该项目是浓缩版的NumPy库，能够实现机器学习中的各种模型 [Github 112颗星] github链接：https://github.com/MrGemy95/visual-interaction-networks-pytorch ▌Rank 8 Prototypical-Networks-for-Few-shot-Learning-PyTorch
1.7K20编辑于 2022-03-04 - 来自专栏智能大数据分析
【机器学习 | 数据挖掘】智能推荐算法
它结合了大数据技术、人工智能（AI）、机器学习（ML）和数据挖掘等多种方法，旨在通过自动化的方式分析复杂数据集，发现潜在的价值和关联性，实现数据的自动化处理和分析，从而支持决策和优化业务流程。 虽然RSS订阅已淡出了舞台，但是它为智能推荐起到了铺垫作用，用户已经尝到了个性化的甜头，由机器进行个性化推荐自然而然地得到了广泛应用。 序列 时间 订单号 菜品id 菜品名称 1 2014/8/21 101 18491 健康麦香包 2 2014/8/21 101 8693 香煎葱油饼 3 2014/8/21 101 8705 翡翠蒸香茜饺 4 2014/8/21 102 8842 菜心粒咸骨粥 5 2014/8/21 102 7794 养颜红枣糕 6 2014/8/21 103 8842 金丝燕麦包 7 2014/8/21 103 8693 /tmp/res_mov.csv', index=False, encoding='utf8') print('推荐结果前5行: \n', res.head()) 通过基于物品的协同过滤算法构建的推荐系统
46410编辑于 2025-01-22 - 来自专栏AI研习社
Github项目推荐 | Python机器学习课程
Machine Learning Course with Python by Machine Learning Mindset 简介 本项目的目的是提供一个全面而简单的使用Python的机器学习课程。 machine-learning-course.readthedocs.io/en/latest/ Github项目地址： https://github.com/machinelearningmindset/machine-learning-course#id4 动机 机器学习 现在已经有大量的关于机器学习的文献。这个项目的目的是通过一个全面而简单的使用Python的机器学习教程来提供机器学习的最重要方面内容的了解学习。 在这个项目中，我们使用许多著名机器学习框架（如Scikit-learn）来构建我们的教程。 在这个项目中，你将学习到： 机器学习的定义是什么？ （机器学习）从什么时候开始，它的趋势是什么？ 机器学习分类和子分类是什么？ 最常用的机器学习算法有哪些，以及如何实现它们？ 机器学习 主题 文档 机器学习简介 Overview 机器学习基础 ?
95840发布于 2019-05-22 - 来自专栏机器学习与推荐算法
推荐算法背后的机器学习技术
01 机器学习预测结果推广性理论 对于机器学习问题而言，我们最关心的是算法的预测效果。 02 机器学习问题的分类 机器学习算法是一个大的家族，狭义上是统计学的一个分支，广义上是人工智能研究的基础。按照不同的标准，机器学习算法可以有不同的分类方式。 （4）D分类：8个真正的D分类为正确预测为A，即8个TP；5个其他分类被错误的预测为D，即5个FP。 根据上面的表现，我们可以单独计算每一种分类结果的precision指标，结果如表所示。 比如从上诉的结果我们可以得到： （2）微观的平均方式（micro），先计算所有分类TP和FP之和，再根据定义，计算模型的precision值，比如上诉的结果可以得到： （3）假设上面4种分类真实个数分别为6，8， 原理篇中，我们重点讨论机器学习模型建模的全部流程，各类常用的机器学习算法原理，深度学习和强化学习原理，机器学习涉及的优化论原理，以及机器学习和自然语言处理技术。
60630编辑于 2022-10-31 - 来自专栏机器学习与统计学
优秀教程推荐|机器学习100天
人工智能很火 所以网上各式各样的资料特别多 动辄几十GB，上百GB的云盘链接 但是能把一个教程完整看完的少之又少 坚持下去确实很难 最近在github看到一个很不错的机器学习教程 100 Days of
46020发布于 2019-04-08 - 来自专栏AI科技大本营的专栏
推荐 | 机器学习开源项目 Top 10
编译 | AI科技大本营 一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。 张量生成式(简称TC)是一个多功能的C++库，利用Halide、ISL、NVRTC和LLVM框架，它能够自动合成高性能的机器学习内核。 github.com/facebookresearch/TensorComprehensions ▌Rank 3 Shap：由Scott Lundberg开源，该项目使用期望值和Shapley值，可以解释任何机器学习模型的输出 github链接：https://github.com/slundberg/shap ▌Rank 4 NapkinML：由Erik Linder-Norén开源，该项目是浓缩版的NumPy库，能够实现机器学习中的各种模型 [Github 112颗星] github链接：https://github.com/MrGemy95/visual-interaction-networks-pytorch ▌Rank 8 Prototypical-Networks-for-Few-shot-Learning-PyTorch
66480发布于 2018-04-26 - 来自专栏SAMshare
MLK | 机器学习论文搜索利器推荐
上次推荐了一下 NG论文阅读的一些技巧(点击回顾)，那今天就顺着来给大家推荐一些机器学习相关的论文，有很多我自己都没看过的，但已经在我的清单内，欢迎大家也可以收藏，纳入学习清单，最好是打印出来，多次阅读 ，如果各位还有其他好用的办法，也欢迎推荐给我哈~ ? 这个是我强力推荐的一个网站，它不仅收录了很多机器学习的论文，而且还把相关论文的代码也一并收录，大多数也都配备了数据集，可以拿来直接操作一波，而且，它还可以按照热度给我们排序，这样子我们可以挑着一些重要热门的来看 SAMshare 机器学习相关论文推荐（排名不分先后）： [1] XGBoost: A Scalable Tree Boosting System Download：https://arxiv.org/ Semi-Supervised Sequence Modeling with Cross-View Training Download：https://arxiv.org/pdf/1809.08370v1.pdf [8]
76430发布于 2019-08-16
腾讯云开发者
