王谦的专栏

最近实习的公司是做游戏的大数据分析，前期的产品做得是游戏的舆情分析，网站是www.thinkinggame.cn ，有兴趣可与上去看一看。下一步的战略是挺进游戏内数据的分析，所以我在学习如何对游戏内的数据进行分析、建立模型。下面是我今天看的一些文章或帖子。

从科学、技术和人工智能诞生之初，科学家们就在设想：机器如何能够像人类一样聪明。很多的作家通过文学作品描述这个场景，比如星球大战等等。而机器学习与深度学习是最有希望突破的两个方向。本文中我将主要介绍深度学习的简史、代表性人物、应用领域和相关的资料总结。

从科学、技术和人工智能诞生之初，科学家们就在设想：机器如何能够像人类一样聪明。很多的作家通过文学作品描述这个场景，比如星球大战等等。而机器学习与深度学习是最有希望突破的两个方向。

前面简单的认识了一下神经网络，这里我要与大家分享的是神经网络中的大明星：BP算法。下面的内容主要是来自斯坦福大学的教程，这篇教程是我看过的所有BP相关教程中最好的，其中补充了一些内容。

t-distributed stochastic neighbor embedding(t-SNE)是一种机器学习中的降维方法，是由Laurens van der Maaten 和Geoffrey Hinton提出的。这是一种将高维数据降维到两维后者三维的非线性降维方法，并且可以通过点可视化出来。

Spark SQL是一个用作结构数据处理的一个模块。不像Spark RDD中的API，Spark SQL提供给Spark更多关于数据和计算的信息。从内部来说，Spark SQL提取信息的接口经过额外的优化。有很多方法使用Spark SQL，包括SQL， DataFrames的API和Datasets的API。Spark SQL的计算引擎与语言或者API是独立开的。这种统一意味着开发人员可以很容易在不同的APIs之间来

看到了一遍对常用数据挖掘&机器学习知识点的文章，转载过来，并将布局重新整理了一下

什么是机器学习......

前面讲了logistic的理论部分，这里我参照《机器学习实战》写了logistic的实现部分。如果对logistic不清楚，请看逻辑回归。我建立了一个逻辑回归的类，类中包含三个主要函数:fit:拟合模型.predict：进行预测score：求错误率

在Machine Learning中，逻辑斯蒂回归（Logistic Regression）是十分经典的方法,简称LR，虽然名字叫回归，但是这是线性分类模型而不是回归模型。这里面涉及到一些知识点，包括极大似然估计，损失函数，梯度下降，正则化等这篇文章的主要目的，就是通过理论与实践相结合的方式分享LR模型。

感知机对DL有着重要的启发意义

下面这段代码来自IMPLEMENTING A NEURAL NETWORK FROM SCRATCH IN PYTHON – AN INTRODUCTION中的代码，将上一章节中的BP神经网络实现出来。代码并没有考虑效率，但是代码很容易理解整个BP过程，这里我将我的理解记录下来并分享出来，加深印象。

经过一个月的无用功，竟然都没有走进复赛，失望的心情难以平复。在知道这个消息的时候立即写一篇失败总结，让自己获取一些经验。这篇总结我将按照《精进》这本书里面提到的几个方面进行总结：信息，预期，结果，进度，工具，情绪，阻碍，优势，缺憾，意义。赛题腾讯社交广告高校算法大赛是面向高校大学生的算法大赛，作为腾讯核心的广告业务单元，腾讯社交广告通过对海量社交数据进行深入分析，构建多样广告场景，与8亿用户连接对话