[置頂]推薦本部落格博文
在我的部落格中，推薦以下專題
機器學習中的數學系列：
1) 回歸(regression)、梯度下降(gradient descent)
2) 線性回歸，偏差、方差權衡
3) 模型組合(model combining)之boosting與gradient boosting
4) 線性判別分析（lda）, 主成分分析(pca)
5)
機器學習中的演算法系列：
1) 決策樹 - 隨機森林與gbdt
2) svm基礎
hadoop科普
系列：
1) 為什麼
hadoop將一定會是分布式計算的未來
2) 為什麼會有map-reduce v2 (yarn)
機器學習中的數學(4)-線性判別分析（lda）, 主成分分析(pca)
機器學習中的數學(4)-線性判別分析（lda）, 主成分分析(pca)
機器學習中的數學(2)-線性回歸，偏差、方差權衡
機器學習中的數學(1)-回歸(regression)、梯度下降(gradient descent)
pymining-開源中文文字資料探勘平台 ver 0.1發布
支援中文文字的資料探勘平台開源專案pymining發布
機器學習中的數學(4)-線性判別分析（lda）, 主成分分析(pca)
機器學習中的數學(3)-模型組合(model combining)之boosting與gradient boosting
機器學習中的數學(2)-線性回歸，偏差、方差權衡
機器學習中的數學(1)-回歸(regression)、梯度下降(gradient descent)
參考資料：
1）a tutorial on principal component analysis, jonathon shlens
這是我關於用svd去做pca的主要參考資料
2）關於svd的一篇概念好文，我開頭的幾個圖就是從這兒擷取的
3）另一篇關於svd的入門好文
4）svd與lsi的好文，我後面lsi中例子就是來自此
5）另一篇svd與lsi的文章，也還是不錯，深一點，也比較長
6）singular value decomposition and principal component analysis, rasmus elsborg madsen, lars kai hansen and ole winther, 2004
跟1）裡面的文章比較類似
書評 Machine Learning（機器學習）
就憑作者tom m.mitchell是aaai主席這一點，就能讓人相信，這是本值得一讀的書。本人讀的是中文翻譯版，曾華軍等譯。本人的感覺是讀上去相當通順，沒有需要對照原文才能讀懂的東西，而且術語翻譯的也很到位，可以說翻譯的相當好。說實話，國內翻譯的書籍，質量參差不齊，有的讀上去甚至有機器翻譯之嫌疑，...
FPGA機器學習之stanford機器學習第三堂1
請注意 csdn那邊的部落格因為那邊審核的時間太長。搬遷入這裡。stanford機器學習前2堂在csdn的部落格裡面。剛開始他寫了，這個公式第二堂講的，是梯度下降法，房價的那個。如果完全擬合的話，並不能說明你擬合的很好，也有可能是你的資料樣本採集的不正確。過擬合就是說，僅僅是擬合了某種特定狀況的行為...
FPGA機器學習之stanford機器學習第一堂
主講 吳恩達。如果你學機器學習，對這個人牛，神的程度，不了解。你就可以洗洗睡了。必定全球人工智慧最權威專家中有他乙個。他說，機器學習是最重要的it技能。這個是在矽谷那種地方。在中國，目前最火爆的是，網頁和安卓。不過大資料，網際網路，智慧型機械人時代的到來，機器學習也會變的很重要。如果自己程式設計去識...