tony的专栏

前段时间，google的alphaGo让大家的眼睛都聚焦到这一“人工智能”上了。那么就当时应景吧，写一写我关于机器学习的一些笔记及认识，内容主要根据在Coursera上Andrew Ng大神的课程来做笔记。首先，什么是机器学习？参照百度百科的讲解，“机器学习是一门多领域交叉学科，设计概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习

概述本文使用Kaggle上的一个公开数据集，从数据导入，清理整理一直介绍到最后数据多个算法建模，交叉验证以及多个预测模型的比较全过程，注重在实际数据建模过程中的实际问题和挑战，主要包括以下五个方面的挑战：缺失值的挑战异常值的挑战不均衡分布的挑战(多重)共线性的挑战预测因子的量纲差异以上的几个主要挑战，对于熟悉机器学习的人来说，应该都是比较清楚的，这个案例中会涉及到五个挑战中

转载请注明，本文出自Bin的专栏http://blog.youkuaiyun.com/xbinworld，谢谢！————————————————————————————————————————————目前我已经整理了的系列原创文章（水平有限，请见谅），还有很多，未完待续：机器学习方法：回归（一）：线性回归linear regression机器学习方法：回归（二）：回归、

https://github.com/jobbole/awesome-machine-learning-cn

注:机器学习资料篇目一共500条,篇目二开始更新希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．此外:某些资料在中国访问需要梯子.《Image Scaling using Deep Convolutional Neural Networks》介绍:使用卷积神经网络的图像缩放.《

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)注:机器学习资料篇目一共500条,篇目二开始更新希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．此外:某些资料在中国访问需要梯子.《Brief History of Mac

本列表总结了25个Java机器学习工具&库：1. Weka集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具，如数据预处理、分类、回归、聚类、关联规则以及可视化。2.Massive Online Analysis（MOA）是一个面向数据流挖掘的流行开源框架，有着非常活跃的成长社区。它包括一系列的机器学习算法（分

在讨论逻辑回归问题(Logistic Regression)之前，我们先讨论一些实际生活中的情况：判断一封电子邮件是否是垃圾邮件？判断一次交易是否是欺诈交易？判断一份文件是否是有效文件？这类问题，我们称之为分类问题(Classication Problem)。在分类问题中，我们往往尝试去预测的结果是否属于某一个类（正确活错误）。我们从二元的分类问题开始讨论，即问题是正确或错误的。

上一次我们分享了多变量线性回归模型(Linear Regression with Multiple Variables)，这一次我们来讨论一下多项式回归(Polynomial Regression)和正规方程(Normal Equation)。（我们还是讨论房价预测的问题）多项式回归有时候，线性回归并不适用于所有全部的数据，我们需要曲线来适应我们的数据，比如一个二次

在之前的博客中，描述过单变量线性回归(Linear Regression with One Variables)的模型，这次来分享一下多变量线性回归模型(Linear Regression with Multiple Variables)。我们还是使用之前的问题，对房价的预测。这一次增加更多的特征，例如房子的楼层数、卧室数量等，这样就构成了一个含有多个变量的模型，模型中的特征我们标记为

线性回归线性回归（Linear Regression)作为Machine Learning 整个课程的切入例子确实有独到的地方，以简单的例子为出发点，将学习任务的主干串起来。问题的建模可以简单如下图所示：线性回归可以分为单变量线性回归(Linear Regression with One Variable)以及多变量线性回归(Linear Regression wi

1.简介　　在我们数据分析的实际应用中，我们可能会花费大量的时间在数据清洗上，而如果使用 R 里面自带的一些函数（base 包的 transform 等），可能会觉得力不从心，或者不是很人性化。好在我们有其他选择。这里我们介绍 dplyr 包。首先加载包：install.packages("dplyr")library(dplyr)单表操作函数（one tab