yonggeno1的专栏

今天在微博上无意间发现了好心人翻译的中文版，好东西贴过来 奥地利符号计算研究所（Research Institute for Symbolic Computation，简称RISC）的Christoph Koutschan博士在自己的页面上发布了一篇文章，提到他做了一个调查，参与者大多数是计算机科学家，他请这些科学家投票选出最重要的算法，以下是这次调查的结果，按照英文名称

在关联规则挖掘领域最经典的算法法是Apriori，其致命的缺点是需要多次扫描事务数据库。于是人们提出了各种裁剪（prune）数据集的方法以减少I/O开支，韩嘉炜老师的FP-Tree算法就是其中非常高效的一种。 支持度和置信度 严格地说Apriori和FP-Tree都是寻找频繁项集的算法，频繁项集就是所谓的“支持度”比较高的项集，下面解释一下支持度和置信度的概念。 设事务数据库为：

常见面试之机器学习算法思想简单梳理 前言： 　　找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。

互联网世界的“人工智能”——探秘“深度学习”的前世今生 编者按：本文来自“流浪汉”投稿（@ZhangLumin），一个在硅谷工作的码农，有机器学习背景，平常对产品方面很有兴趣。最近一段时间里，Facebook、Google、Yahoo!、百度等各大公司都在尝试将深度学习（deep learning）算法运用到产品开发中，以期使产品更智能化，提升用户体验。在深度

1，堆排序 思路 // lianxi.cpp : 定义控制台应用程序的入口点。// 自己实现的堆排序，主要在于堆的调整，以及边界控制条件 #include "stdafx.h" #include #include using namespace std; int _tmain(int argc, _TCHAR* argv[]) { int a[11]={12,2,35,65,5,52

今天给大家介绍一下经典的开源机器学习软件： 编程语言：搞实验个人认为当然matlab最灵活了（但是正版很贵），但是更为前途的是python（numpy+scipy+matplotlib)和C/C++，这样组合既可搞研究，也可搞商业开发，易用性不比matlab差，功能组合更为强大，个人认为，当然R和java也不错. 1.机器学习开源软件网（收录了各种机器学习的各种编程语言学术与商业的开源

最近在做一个推荐的任务，头绪繁多，回头看看同行的工作，希望能有些帮助。 零零碎碎看过好多资料，有些已经忘记了，会慢慢补全。 欢迎大家留言补充。也欢迎同行加我微博进行交流。 (最近发现各家推荐技术进步很快，这里整理的可能已经是过去时了，不过最近不搞这个，没有精力补充了。) 视频类 Netflix：很多方法的融合，策略可以参考我翻译的blog，架构参考小鱼儿师