shuhuai007的专栏

机器学习方向比较好的期刊或杂志？Machine Learning Journal  Journal of Machine learning research：http://jmlr.org/  Data Mining and Knowledge Discovery  IEEE-Transactions on Knowledge and D

粒子滤波（PF：Particle Filter）　　与卡尔曼滤波（Kalman Filter）相比较　　粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Imp

Coming From ： http://machinelearningmastery.com/practical-books-for-beginning-machine-leaning/There are a lot of good books on machine learning, but most people buy the wrong ones.A question

原文链接： Jason Brownlee   翻译： 伯乐在线 - programmer_lin译文链接： http://blog.jobbole.com/56256/这是一篇很难写的文章，因为我希望这篇文章能对学习者有所启发。我在空白页前坐下，并且问自己了一个很难的问题：什么样的库、课程、论文和书籍对于机器学习的初学者来说是最好的。文章里到底写什么、不写什么，这个问题

开源项目GraphLab的公司化，标志着图谱数据库和图谱处理应用的商业化进程已经启动。　　GraphLab是一个流行的图谱分析和机器学习的开源项目，最近该项目剥离出一个独立运作的商业公司GraphLab Inc，其创始人，华盛顿大学机器学习专业教授Carlos Guestrin将负责公司的运作，目前GraphLab已经从Madrona Venture Group和NEA募集了675万美元资金。

虎嗅注：人工智能现在是科技界最前沿的话题之一。以谷歌为代表，科技巨头均在这个方向上进行巨大投入。虎嗅曾发表过一篇文章，“谷歌正在如何复制人类大脑”，介绍的是谷歌工程主管雷·库兹韦尔正在如何通过机器学习颠覆传统搜索。而斯坦福大学人工智能实验室主任Andrew Ng（华裔，中文名叫吴恩达）领导的Google Brain项目，在人工智能方面走得更加前沿。去年6月，谷歌Google Brain运用深度

最近看到的几个提供大数据分析服务以及机器学习API的公司2013年09月22日 ⁄ 创业 ⁄ 共 778字 ⁄ 暂无评论 ⁄ 被围观 1,177 阅读+Everstring：http://www.everstring.com/团队很强大。------------AlchemyAPI：http://www.alc

http://m.sciencemag.org/site/feature/data/compsci/machine_learning.xhtml

前段时间开始研究图像检索，进展困难，于是回归基础，捧起PRML一书，无奈看起来极其晕乎，参考AN的的讲义才有点初步的认识。1、概述：什么是生成学习算法两类学习算法：判别学习算法（discriminative learning algorithm）和生成学习算法（generative learning algorithm）。DLA通过建立输入空间X与输出标注{1, 0}间的映射关系学

http://www.cnblogs.com/tornadomeet/archive/2013/03/14/2959138.html

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯

Heaviside step function 阶跃函数Heaviside step functionFrom Wikipedia, the free encyclopedia Jump to: navigation, searchThe Heaviside step function, using the half-maximum conventionThe Heavis

http://matplotlib.org/users/installing.html

自从谷歌眼镜被推出以来，围绕人脸识别，出现了很多争议。我们相信，不管是不是通过智能眼镜，人脸识别将在人与人交往甚至人与物交互中开辟无数种可能性。为了帮助研究过程中探索人脸识别，我们列出以下人脸检测和识别API。希望有所帮助！Face Recognition - 拉姆达实验室斯蒂芬弄的。示例代码和图形演示点击http://api.lambdal.com/docs，我们的API

http://www-stat.stanford.edu/~tibs/ElemStatLearn/

"Data Science = statistics who uses python and lives in San Francisco"恰好我马上启程到 Twitter 的 data science team，而且恰巧懂一点点统计和住在旧金山，所以冲动地没有邀请就厚脸回答了:D我认为有几个大方面1）学好 python。现在几乎所以公司的数据都可以 api 给你，