摘要：https://www.cnblogs.com/Zhi-Z/p/8728168.html 阅读全文

摘要： 阅读全文

摘要：1. 原理和理论基础（参考） 2. Spark代码实例： 1）windows 单机 2）集群模式 需要打包，然后通过spark-submit 提交到yarn client或者cluster中： spark-submit --class myNaiveBayes --master yarn Scala 阅读全文

摘要：参考资料： 在线免费书籍 http://neuralnetworksanddeeplearning.com/chap1.html Chapter 1 1. perceptron 感知机 it's a device that makes decisions by weighing up evidenc 阅读全文

摘要：1. PageRank http://blog.csdn.net/hguisu/article/details/7996185 2. Connected Components 3. Triangle Counting 例子： users.txt followers.txt 算法实战： 阅读全文

摘要：1. sgn 函数 2. sigmoid 函数 3. ReLU 函数 y=max(x,0) 这种函数的设计启发来自于生物神经元对于激励的线性响应，以及当低于某个阈值后就不再响应的模拟。 阅读全文

摘要：梯度下降（GD,Gradient descend）是最小化风险函数、损失函数的一种常用方法 随机梯度下降和批量梯度下降是两种迭代求解思路。 阅读全文

摘要：聚类 和 k-means简单概括。 聚类是一种 无监督学习 问题，它的目标就是基于 相似度 将相似的子集聚合在一起。 k-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据它们的属性分为k个聚类，以便使得所获得的聚类满足： 同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。 k 阅读全文

摘要：回归问题概括： 1） 数据 2） 假设的模型，即一个含有未知的参数的函数。通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据 回归和分类： 都属于有监督的学习 分类返回的是明确的类别信息，0 or 1，是 or 否 回归返回的是，某一个值或者范围的取值概率。如果把概率大小跟最终类别关联起 阅读全文

摘要：Support vector machines 支持向量机，简称SVM 分类算法的目的是学会一个分类函数或者分类模型（分类器），能够把数据库中的数据项映射给定类别中的某一个，从而可以预测未知类别。 SVM是一种监督式学习的方法。 支持向量：支持或支撑平面上把两类类别划分开来的超平面的向量点 机：就是 阅读全文

摘要：1. 基础回顾 矩阵的奇异值分解 SVD （特别详细的总结，参考 http://blog.csdn.net/wangzhiqing3/article/details/7446444） 矩阵与向量相乘的结果与特征值，特征向量有关。 数值小的特征值对矩阵-向量相乘的结果贡献小 1）低秩近似 2）特征降维 阅读全文

摘要：4. 假设检验 基础回顾： 假设检验，用于判断一个结果是否在统计上是显著的、这个结果是否有机会发生。 显著性检验 原假设与备择假设 常把一个要检验的假设记作 H0,称为原假设（或零假设） (null hypothesis) 与H0对立的假设记作H1，称为备择假设(alternative hypoth 阅读全文

摘要：1. 逻辑回归是一种监督式的学习算法。 ［ 监督式学习算法有两组变量：预测变量(自变量x)和目标变量(因变量y)，通过这些变量(x,y)，搭建一个可以由已知的预测变量值x，得到对应的目标变量值y。 重复训练这个模型，直到能够在训练数据集上达到预定的准确度。］ 2. 逻辑回归是一个分类算法。 利用已知 阅读全文

摘要：线性回归的模型是：y＝theta0＊x＋theta1 其中theta0，theta1是我们希望得到的系数和截距。 下面是代码实例： 1. 用自定义数据来看看格式： 2. 从文件中读取数据： 阅读全文