程序员杂谈

推荐算法推荐算法是目前业界非常火的一种算法，在电商界，如亚马逊，天猫，京东等得到了广泛的运用。推荐算法的主要特征就是可以自动向用户推荐他们最感兴趣的东西，从而增加购买率，提升效益。推荐算法有两个主要的类别：一类是基于物品内容的推荐，是将与用户购买的内容近似的物品推荐给用户，这样的前提是每个物品都得有若干个标签，因此才可以找出与用户购买物品类似的物品，这样推荐的好处是关联程度较大，但是由于每个物品都...

项目时间管理包括为管理项目按时完成所需的各个过程。项目时间管理的各个过程,包括6.1规划进度管理--为规划、编制、管理、执行和控制项目进度而制定政策、程序和文档的过程。6.2定义活动--识别和记录为完成项目可交付成果而需采取的具体行动的过程。6.3排列活动顺序--识别和记录项目活动之间的关系的过程。6.4估算活动资源--估算执行各项活动所需材料、人员、设备或用品的种类和数量的过程。6....

逻辑回归被广泛的用来解决分类问题。由于分类是非线性问题，所以建模的主要难点是如何把非线性问题转换为线性问题。在模型评估层面，讨论了两类相互有关联的评估指标。对于分类问题的预测结果，可以定义为相应的查准查全率。对于基于概率的分类模型，还可以绘制它的ROC曲线，以及计算曲线线面的面积AUC。以下来源百度百科ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐...

机器学习可分为两大类：监督式学习和非监督式学习监督式学习特点：训练的数据是有标注的；按照标注又可以分为：分类和回归分类：标注的数据是离散的，对应的模型是分类；回归：标注的数据是连续的，对应的模型是回归；非监督式学习特点：训练的数据里没有标注，只有自变量非监督学习可分为：聚类和降为聚类：把距离比较近的点归属于一类的称为聚类；降为：把高维空间的数据映射到低维空间称为降为；...

定义（来源于百度百科）OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写，它的主要接口也是C++语言，但是...

    机器学习是人工智能的基础    机器学习是你告诉机器你的目标，并提供相关的大数据，让它参照着去完成。    机器学习主要是通过算法、数据、程序、评估、应用等方式来实现    机器学习的领域主要有机器学习的流程    收集数据并进行数据预处理       特征的选择与模型的构建    评估和预测    ...

    1、读取数据        读取数据，并进行展示        统计数据各项指标        明确数据规模与要完成的任务    2、特征理解分析        单特征分析，诸葛变量分析其对结果的影响        多变量统计分析，综合考虑多种情况影响        统计绘图得出结论    3、数据清理与预处理        对缺失值进行填充        特征标准化/...

后记这篇文档花了作者两个月的时间，终于在2014年的最后一天的前一天基本完成。通过这篇文章，作者希望对机器学习在国内的普及做一点贡献，同时也是作者本人自己对于所学机器学习知识的一个融汇贯通，整体归纳的提高过程。作者把这么多的知识经过自己的大脑思考，训练出了一个模型，形成了这篇文档，可以说这也是一种机器学习的过程吧(笑)。作者所在的行业会接触到大量的数据，因此对于数据的处理和分析是平常非常重...

总结本文首先介绍了互联网界与机器学习大牛结合的趋势，以及使用机器学习的相关应用，接着以一个“等人故事”展开对机器学习的介绍。介绍中首先是机器学习的概念与定义，然后是机器学习的相关学科，机器学习中包含的各类学习算法，接着介绍机器学习与大数据的关系，机器学习的新子类深度学习，最后探讨了一下机器学习与人工智能发展的联系以及机器学习与潜意识的关联。经过本文的介绍，相信大家对机器学习技术有一定的了解，例如机...

最后，作者想谈一谈关于机器学习的一些思考。主要是作者在日常生活总结出来的一些感悟。回想一下我在节1里所说的故事，我把小Y过往跟我相约的经历做了一个罗列。但是这种罗列以往所有经历的方法只有少数人会这么做，大部分的人采用的是更直接的方法，即利用直觉。那么，直觉是什么？其实直觉也是你在潜意识状态下思考经验后得出的规律。就像你通过机器学习算法，得到了一个模型，那么你下次只要直接使用就行了。那么这个规律你是...

人工智能是机器学习的父类。深度学习则是机器学习的子类。如果把三者的关系用图来表明的话，则是下图： 图19 深度学习、机器学习、人工智能三者关系毫无疑问，人工智能(AI)是人类所能想象的科技界最突破性的发明了，某种意义上来说，人工智能就像游戏最终幻想的名字一样，是人类对于科技界的最终梦想。从50年代提出人工智能的理念以后，科技界，产业界不断在探索，研究。这段时间各种小说、电影都在以各...

近来，机器学习的发展产生了一个新的方向，即“深度学习”。虽然深度学习这四字听起来颇为高大上，但其理念却非常简单，就是传统的神经网络发展到了多隐藏层的情况。在上文介绍过，自从90年代以后，神经网络已经消寂了一段时间。但是BP算法的发明人Geoffrey Hinton一直没有放弃对神经网络的研究。由于神经网络在隐藏层扩大到两个以上，其训练速度就会非常慢，因此实用性一直低于支持向量机。2006年，Geo...

说完机器学习的方法，下面要谈一谈机器学习的应用了。无疑，在2010年以前，机器学习的应用在某些特定领域发挥了巨大的作用，如车牌识别，网络攻击防范，手写字符识别等等。但是，从2010年以后，随着大数据概念的兴起，机器学习大量的应用都与大数据高度耦合，几乎可以认为大数据是机器学习应用的最佳场景。譬如，但凡你能找到的介绍大数据魔力的文章，都会说大数据如何准确准确预测到了某些事。例如经典的Google利用...

除了以上算法之外，机器学习界还有其他的如高斯判别，朴素贝叶斯，决策树等等算法。但是上面列的六个算法是使用最多，影响最广，种类最全的典型。机器学习界的一个特色就是算法众多，发展百花齐放。下面做一个总结，按照训练的数据有无标签，可以将上面算法分为监督学习算法和无监督学习算法，但推荐算法较为特殊，既不属于监督学习，也不属于非监督学习，是单独的一类。监督学习算法：线性回归，逻辑回归，神经网络，SVM无监督...

算法模型分为两类：    一类是没有标签的非监督式学习，另一类是带有标签数据的监督室学习。    监督室学习的主要目的是利用模型对未知数据做预测。监督式学习根据根据数据的不同分为两类：若标签变量表示类别（变量时离散的），则成为分类；若标签变量表示数值（变量时连续的），则成为回归。一方面，通过数据分段，将连续标签变量转换为离散标签变量，那么回归问题就变成分类问题。另一方面，大多数分类模型都是先对...