2016 年 4月 23 日随笔档案 - 飞鸟各投林

21个必知数据科学面试题和答案

摘要：干货！21个必知数据科学面试题和答案 2016-04-04数盟社区大数据大数据转自：“数盟社区”，本文为数盟原创译文作者 Gregory Piatetsky, KDnuggets. 原文链接：http://dataunion.org/22397.html 最近KDnuggets上发的“20个阅读全文

posted @ 2016-04-23 22:51 飞鸟各投林阅读(741) 评论(0) 推荐(0)

中国这100个地方，你去过几个？

摘要：中国这100个地方，你去过几个？ 2016-04-02 大数据深度分析大数据深度分析世界很大，美景太多无奈时间太少，钱包太扁可这100个地方一定要去看看无关旅行，只是梦想少去一个，皆是遗憾 1万里长城 2三亚 3三峡大坝 4布达拉宫 5丹霞山 6三清山 7上海外滩夜景 8云南罗平 9五大阅读全文

posted @ 2016-04-23 22:45 飞鸟各投林阅读(302) 评论(0) 推荐(0)

年薪百万的市场人都在读哪些书？

摘要：经济学 1洞察经济学 1. 《经济学原理》————曼昆 2. 《经济学》————萨繆尔森 3. 《国富论》 ————亚当•斯密 4. 《牛奶可乐经济学》————罗伯特·弗兰克 5. 《经济解释》————张五常 6. 《生活中的经济学》————茅于轼 7. 《经济学通史》————薛兆丰 2经济史通读阅读全文

posted @ 2016-04-23 22:36 飞鸟各投林阅读(730) 评论(0) 推荐(0)

自学成才的数据科学家告诉你5个学习大数据的正确姿势！

摘要：对于数据科学来说，现在是发展的黄金时期。这是个新领域，但增长迅速，同时数据科学家的缺口也很大，据说他们的平均年薪可以达到10万美元。哪里有高薪，哪里就吸引人们，但是数据科学技能的差距意味着许多人需要努力学习。第一步当然是询问“我怎么学习数据科学”，这个问题的答案往往是一长串的课程和书籍阅读，从线性阅读全文

posted @ 2016-04-23 22:26 飞鸟各投林阅读(686) 评论(0) 推荐(1)

Deep learning与Neural Network

摘要：深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类阅读全文

posted @ 2016-04-23 22:20 飞鸟各投林阅读(561) 评论(0) 推荐(0)

史上最有魄力公司！20亿主要用于团队建设，要在上海做出一家BAT之外的互联网公司

摘要：在去年的创业大军里，有一家公司显得很特别——微鲸科技，背靠华人文化，联合阿里巴巴、腾讯和央广，天使轮就高达20亿，是被誉为互联网电视领域的豪华创业团队。在上市不到半年的时间里，旗下发布的55吋和43吋两款爆款在天猫和京东上陆续跑出销售冠军，今年开春，又迅速连发两款电视产品。微鲸科技的CEO李怀宇阅读全文

posted @ 2016-04-23 22:08 飞鸟各投林阅读(325) 评论(0) 推荐(0)

CCTV-2《遇见大咖》专访雷军----笔记记录

摘要：与央视记者约好两点采访，但因为公司会议拖到了三点。雷军对此表示抱歉，解释了一天的行程，并说：“今天不算密的，密的平均一天应该有十一个会。然后我现在基本每天中午饭，大概就是三分钟的时间。” 因为要上镜，化妆的时候，雷军就在跟记者解释自己的匆忙：“我现在的时间表几乎安排不了任何采访，主要是我们还在创业阶阅读全文

posted @ 2016-04-23 22:04 飞鸟各投林阅读(4537) 评论(0) 推荐(0)

机器学习第9周-炼数成金-聚类

摘要：聚类和分类判别有什么区别？聚类应用场景：寻找优质客户二八定律无处丌在20%的用户提供了银行80%的利润来源20%的用户消费了运营商话费总额的80%公司中20%的员工完成了80%的工作社会中20%的人拥有80%的话语权聚类应用场景：推荐系统关键度量指标：距离距离的定义常用距离（薛毅书P469 阅读全文

posted @ 2016-04-23 20:32 飞鸟各投林阅读(448) 评论(0) 推荐(0)

机器学习第8周-炼数成金-神经网络

摘要：参考书深度学习深度学习是机器学习研究中的一个新的领域，其动机在亍建立、模拟人脑迚行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源亍人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加阅读全文

posted @ 2016-04-23 20:20 飞鸟各投林阅读(366) 评论(0) 推荐(0)

机器学习第7周-炼数成金-支持向量机SVM

摘要：支持向量机SVM 原创性（非组合）的具有明显直观几何意义的分类算法，具有较高的准确率源于Vapnik和Chervonenkis关于统计学习的早期工作（1971年），第一篇有关论文由Boser、Guyon、Vapnik发表在1992年（参考文档见韩家炜书9.10节）思想直观，但细节异常复杂，内容涉及凸阅读全文

posted @ 2016-04-23 19:42 飞鸟各投林阅读(546) 评论(0) 推荐(0)

机器学习第5周--炼数成金-----决策树，组合提升算法，bagging和adaboost，随机森林。

摘要：决策树decision tree 什么是决策树输入：学习集输出：分类觃则（决策树）决策树算法概述 70年代后期至80年代初期，Quinlan开发了ID3算法（迭代的二分器）Quinlan改迚了ID3算法，称为C4.5算法1984年，多位统计学家在著名的《Classification and reg 阅读全文

posted @ 2016-04-23 19:03 飞鸟各投林阅读(898) 评论(0) 推荐(0)

机器学习第5周--炼数成金-----线性分类器，Knn算法，朴素贝叶斯分类器，文本挖掘

摘要：分类：分类的意义传统意义下的分类：生物物种预测：天气预报决策：yes or no分类的传统模型分类（判别分析）与聚类有什么差别？有监督学习，无监督学习，半监督学习常见分类模型与算法线性判别法距离判别法贝叶斯分类器决策树支持向量机(SVM)神经网络文本挖掘典型场景网页自动分类垃圾邮件判断评论阅读全文

posted @ 2016-04-23 17:07 飞鸟各投林阅读(506) 评论(0) 推荐(0)

机器学习第4周---炼数成金-----降维技术

摘要：主成分分析 Pearson于1901年提出，再由Hotelling（1933）加以发展的一种多变量统计方法通过析取主成分显出最大的个别差异，也用来削减回归分析和聚类分析中变量的数目可以使用样本协方差矩阵或相关系数矩阵作为出发点进行分析成分的保留：Kaiser主张（1960）将特征值小于1的成分放弃，阅读全文

posted @ 2016-04-23 16:44 飞鸟各投林阅读(347) 评论(0) 推荐(0)

机器学习第3周---炼数成金-----岭回归

摘要：多元线性回归的最小二乘解（无偏估计）岭回归(Ridge Regression，RR) 当自变量间存在复共线性时，｜X′X｜≈0，我们设想给X′X加上一个正常数矩阵kI，（k＞0)，那么X′X+kI接近奇异癿程度就会比X′X接近奇异癿程度小得多。岭回归做为β癿估计应比最小二乘估计稳定，当k=0时癿阅读全文

posted @ 2016-04-23 16:27 飞鸟各投林阅读(324) 评论(0) 推荐(0)

机器学习第2周---炼数成金-----线性回归与Logistic

摘要：重点归纳回归分析就是利用样本（已知数据），产生拟合方程，从而（对未知数据）迚行预测用途：预测，判别合理性例子：利用身高预测体重；利用广告费用预测商品销售额；等等.线性回归分析：一元线性；多元线性；广义线性非线性回归分析困难：选定变量（多元），避免多重共线性，观察拟合方程，避免过度拟合，检验模型是否阅读全文

posted @ 2016-04-23 16:16 飞鸟各投林阅读(394) 评论(0) 推荐(0)

机器学习第1周--炼数成金-----机器学习概论

摘要：什么是机器学习机器学习是挃是一门多领域交叉学科。与门研究计算机或其它软硬件设备怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之丌断改善自身的性能。应用机器学习技术到产品中，给用户带来“机器具备人类般高智能”的震撼性体验。人力成本又越来越高，机器学习能降低企业成本，提高阅读全文

posted @ 2016-04-23 15:30 飞鸟各投林阅读(685) 评论(0) 推荐(0)

李航博士：浅谈我对机器学习的理解

摘要：李航博士，华为技术有限公司诺亚方舟实验室首席科学家算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不小的提升。实话说，机器学习很难，非常难，要做到完全了解算法的流程、特点、实现方法，并在正确的数据面阅读全文

posted @ 2016-04-23 11:32 飞鸟各投林阅读(969) 评论(0) 推荐(3)

机器学习------平台和语言选择

摘要：机器学习语言一、机器学习常用的编程语言有哪些？机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。阅读全文

posted @ 2016-04-23 11:19 飞鸟各投林阅读(4941) 评论(0) 推荐(0)

机器学习------精心总结

摘要： 1.数学 2.机器学习 Java 机器学习工具 & 库 1.处理小数据效果好 2.深度学习—大数据，超过500w；图像，语言方面效果奇好 SVD 最小二乘法梯度下降法局部加权回归 1.最大似然估计 2.logistic回归 3.感知器的初步—logistic的简化情节牛顿法 1.介绍了牛顿方阅读全文

posted @ 2016-04-23 11:01 飞鸟各投林阅读(821) 评论(0) 推荐(0)

机器学习------资源分享

摘要：国内之前自己一直想总结一下国内搞机器学习和数据挖掘的大牛，但是自己太懒了。所以没搞… 最近看到了下面转载的这篇博文，感觉总结的比较全面了。个人认为，但从整体研究实力来说，机器学习和数据挖掘方向国内最强的地方还是在MSRA，那边的相关研究小组太多，很多方向都能和数据挖掘扯上边。这里我再补充几个相阅读全文

posted @ 2016-04-23 10:59 飞鸟各投林阅读(676) 评论(0) 推荐(0)

机器学习------伯乐在线

摘要：本文来自于：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，这个问题真的让我很烦恼。我必阅读全文

posted @ 2016-04-23 10:46 飞鸟各投林阅读(343) 评论(0) 推荐(0)

机器学习两大派别

摘要：机器学习现在是一大热门，研究的人特多，越来越多的新人涌进来。不少人其实并没有真正想过，这是不是自己喜欢搞的东西，只不过看见别人都在搞，觉着跟大伙儿走总不会吃亏吧。问题是，真有个“大伙儿”吗？就不会是“两伙儿”、“三伙儿”？如果有“几伙儿”，那到底该跟着“哪伙儿”走呢？很多人可能没有意识到，所谓阅读全文

posted @ 2016-04-23 10:44 飞鸟各投林阅读(573) 评论(0) 推荐(0)

机器学习-周志华

摘要：简单浏览了周的主页：http://cs.nju.edu.cn/zhouzh/index.htm 及其实验室的主页：http://lamda.nju.edu.cn/MainPage.ashx 绝对是硕果累累，他们的工作目前主要集中在多标记，多事例学习： G M T 檢測語言阿尔巴尼亚语阿拉伯语阿阅读全文

posted @ 2016-04-23 10:42 飞鸟各投林阅读(1114) 评论(0) 推荐(0)

机器学习经典书籍----陈楠心血总结

摘要：参考博客： http://www.cnblogs.com/xmphoenix/p/3683870.html http://my.oschina.net/juedaiyuer/blog/512447 我个人的读书有：《数学之美》《统计学习方法》《集体智慧编程》《推荐系统实践》《机器学习（外文版）》《阅读全文

posted @ 2016-04-23 10:39 飞鸟各投林阅读(451) 评论(0) 推荐(0)

28款GitHub最流行的开源机器学习项目

摘要：现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人等方面。云栖社区特意翻译整理了目前GitHub上最受欢迎的28款开源的机器学习项目，以供开发者阅读全文

posted @ 2016-04-23 08:25 飞鸟各投林阅读(7668) 评论(1) 推荐(0)

史上最强----机器学习经典总结---入门必读----心血总结-----回味无穷

摘要：让我们从机器学习谈起导读：在本篇文章中，将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文阅读全文

posted @ 2016-04-23 08:15 飞鸟各投林阅读(43885) 评论(19) 推荐(40)

飞鸟各投林

导航

公告