摘要： 用Elasticsearch构建电商搜索平台，一个极有代表性的基础技术架构和算法实践案例：http://www.sojson.com/blog/176.html http://www.52nlp.cn/cikm-competition-topdata 这篇文章对搜索竞赛方法做了很多概述，比较系统，非 阅读全文

摘要： http://blog.csdn.net/a819825294/article/details/51206410 这篇文章介绍了xgboost原理 阅读全文

摘要： http://blog.csdn.net/itplus/article/details/21896453 这篇文章牛顿法讲的比较好 http://blog.csdn.net/itplus/article/details/21896619 这篇文章对拟牛顿法讲的比较好 http://blog.csdn 阅读全文

摘要： http://blog.csdn.net/lilyth_lilyth/article/details/48032119 这篇文章介绍了融合方案 阅读全文

摘要： https://zhuanlan.zhihu.com/p/27689464 这篇文章对集成学习讲的不错 http://www.cnblogs.com/jasonfreak/p/5657196.html 这篇文章从理论和实践2个方面来介绍 http://www.cnblogs.com/jasonfre 阅读全文

摘要： 决策树算法 这篇文章: https://zhuanlan.zhihu.com/p/26703300 对决策树算法说的非常深入浅出 决策树模型核心是下面几个部分： (1) 结点和有向边组成 (2) 结点有内部结点和叶结点2种类型 (3) 内部结点表示一个特征，叶节点表示一个类 决策树的关键步骤是分裂属 阅读全文

摘要： 知乎上这篇文章介绍的比较形象：https://www.zhihu.com/question/24124998 先比较下概率和似然，把硬币的"花"出现的概率称为硬币的参数 1. 概率VS似然 1.1 概率 已知硬币的参数，就可以去推测抛硬币的各种情况的可行性，成称之为概率 比如已知硬币是公平的，也就是 阅读全文

摘要： 1. 在保留交叉验证（hand-out cross validation）中，随机将训练样本集分成训练集（training set）和交叉验证集（cross validation set）,比如分别占70%，30%。然后使用模型在训练集上学习得到假设。最后使用交叉验证集对假设进行验证，看预测的是否准 阅读全文

摘要： 监督机器学习问题无非就是再规则化参数的同时最小化误差。 *最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据 规则化参数的作用： *使得模型简单，且具有好的泛化性能（也就是测试误差小） *将人对这个模型的先验知识融入到模型的学习当中，使得模型具有稀疏、 阅读全文

摘要： 1. 基础部分 http://www.cnblogs.com/charlotte77/p/5606926.html 这个系列非常基础可重点看看 1.1 数据清洗 http://www.cnblogs.com/charlotte77/p/5606926.html 标准差：中文环境也叫均方差，均方差和方 阅读全文