目前，SPARK在大数据处理领域十分流行。尤其是对于大规模数据集上的机器学习算法，SPARK更具有优势。一下初步介绍SPARK在linux中的部署与使用，以及其中聚类算法的实现。...
分类：
编程语言 时间：
2014-11-12 21:21:04
阅读次数：
264
我喜欢基于web应用来工作。实现一个从任何地方、任何设备都可运行的应用，是十分有吸引力。在过去的几个月，我一直在尝试获取一些在Javascript上运行的基础轻量级机器学习算法，然后用它们构建”智能的”web应用。随着Node的出现，在服务器端训练模型进而用这些模型在客户端做预测已经成为可能。我研究...
分类：
编程语言 时间：
2014-11-10 13:29:55
阅读次数：
254
在这篇文章中，我们一起来讨论一种叫作“神经网络”(Neural Network)的机器学习算法，这也是我硕士阶段的研究方向。我们将首先讨论神经网络的表层结构，在之后再具体讨论神经网络学习算法。 神经网络实际上是一个相对古老的算法，并且沉寂了一段时间，不过到了现在它又成为许多机器学习问题的首选技术。 ...
分类：
Web程序 时间：
2014-11-10 13:25:18
阅读次数：
187
回归1）多元线性回归（1）模型建立多元线性回归讨论的的是变量y与非随机变量x1……xm之间的关系，假设他们具有线性关系，于是有模型：y=b0+b1x1+……+bmxm+e这里的e~N（0，a2），b0，……，bn，a2都是未知数。上式矩阵表达式为：y=xb+e对于一组样本（x00……x0m，y0）……（xn0..
分类：
编程语言 时间：
2014-11-10 01:19:31
阅读次数：
406
机器学习算法 原理、实现与实践 —— 距离的度量声明：本篇文章内容大部分转载于July于CSDN的文章：从K近邻算法、距离度量谈到KD树、SIFT+BBF算法，对内容格式与公式进行了重新整理。同时，文章中会有一些对知识点的个人理解和归纳补充，不代表原文章作者的意图。1. 欧氏距离欧氏距离是最常见的两...
分类：
其他好文 时间：
2014-11-07 14:30:06
阅读次数：
281
AdaBoost算法（AdaptiveBoost）的核心思想是：如果一个弱分类器的分类效果不好，那么就构建多个弱分类器，综合考虑它们的分类结果和权重来决定最终的分类结果。很多人认为AdaBoost是监督学习中最强大的两种算法之一（另一个是支持向量机SVM）。AdaBoost的训练过程如下：为每个..
分类：
编程语言 时间：
2014-11-06 15:09:33
阅读次数：
225
之前写k-近邻算法（http://boytnt.blog.51cto.com/966121/1569629）的时候，没附上测试数据，这回找了一个，测试一下算法的效果。数据来源于http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data，关于乳腺癌的样..
分类：
编程语言 时间：
2014-11-05 17:36:00
阅读次数：
230
机器学习算法 原理、实践与实战 —— 感知机感知机（perceptron）是二分类的线性分类模型，输入为特征向量，输出为实例的类别，取值+1和-1。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，引入了基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。1. 感知机...
分类：
其他好文 时间：
2014-11-03 14:26:40
阅读次数：
270
朴素贝叶斯（NaiveBayesian）算法的核心思想是：分别计算给定样本属于每个分类的概率，然后挑选概率最高的作为猜测结果。假定样本有2个特征x和y，则其属于分类1的概率记作p(C1|x,y)，它的值无法直接分析训练样本得出，需要利用公式间接求得。其中p(Ci)表示训练样本中分类为Ci的..
分类：
编程语言 时间：
2014-11-03 10:22:12
阅读次数：
246
机器学习算法 原理、实践与实战 —— 分类、标注与回归1. 分类问题分类问题是监督学习的一个核心问题。在监督学习中，当输出变量$Y$取有限个离散值时，预测问题便成为分类问题。监督学习从数据中学习一个分类决策函数或分类模型，称为分类器（classifier）。分类器对新的输入进行输出的预测，这个过程称...
分类：
其他好文 时间：
2014-10-31 13:36:09
阅读次数：
1179
