sqliang的专栏

问题： 如何从各种不同来源中构造算法所需要的数据?? 如何实用两种不同的算法： 更多有关距离度量的知识 简单的图形可视化代码，用于观察所生成的群组 如何将异常复杂的数据投影到二维空间中 数据聚类 数据聚类，是一种用以寻找紧密相关的事、人或观点，并将其可视化的方法。聚类时常被用于数据量很大的应用中。跟踪消费者行为的零售商们，除了利用常规的消费者统计信息外，还可以利用

基于物品的过滤（item-based filtering） 基本思路： 为每件物品预先计算好最为相近的其他物品。然后，当我们想为某位用户提供推荐时，就可以查看他曾经评过分的物品，从从中选出排位靠前者，再构造出一个加权列表，其中包含了与这些选中物品最为相近的其他物品。此处最为显著的区别在于，尽管第一步要求我们检查所有的数据，但是物品间的比较不会像用户间的比较那么频繁变化。这也意

欧几里德距离 > 计算两组数据之间的距离，偏好越相似的人其距离就越短。。。为了处理方便，需要一个函数来对偏好越相近的情况给出越大的值（0~1之间）。皮尔逊相关系数相关度评价 > 皮尔逊相关系数是判断两组叔叔与某一直线拟合程度的一种度量。其对应的公式比欧几里德距离评价的计算公式要复杂，但是在数据不是很规范时会倾向于给出更好的结果。

第一章要点 > 1. 如何利用开放的API来搜集数据，将各种机器学习算法和统计方法结合起来，就可以借助集体智慧的相关方法，对由自己编写的应用程序搜集得到的数据进行分析；同时，也可以从其他地方搜集数据，对数据进行试验 2. 机器学习时人工智能领域中与算法相关的一个子域，允许计算机不断地进行学习，这相当于将一组数据传递给算法，并由算法推断出与这些数据的属性相关的信息，借助这些信息，可