IBM开源机器学习系统SystemML 资讯
继 Facebook 开源 Torch 、Google 开源TensorFlow以及微软开源分布式机器学习工具包 DMTK 之后，IBM 成为今年第四家开源自家机器学习系统的巨头，这显示出机器学习的生态构建与人才争夺战的白热化。IBM 开源的这套系统叫做 SystemML ，将会通过 Apache Software Foundation 开放共享，并允许开发者修改其代码，目前 SystemML 已作为孵化器项目被 Apache 接纳。
jopen 技术流的Google今年力推“机器学习” 资讯
Google 每年一度的亚太媒体沟通会议，今年将 “机器学习” 作为主题。 就 在一天前，11月9日，Google CEO Sundar Pichai 在 Google 官方博客上宣布开源 Google 的机器学习系统 TensorFlow，任何研究者包括竞争对手都可以使用。11月10日 举办的沟通会上， Alphabet 执行主席埃里克·施密特连线表示，开源 TensorFlow 不断扩大机器学习网络，组成更大的知识基础，获得更多回馈，进而有更多发现。
手动编写机器学习算法的若干理由 资讯
随着开源思想的逐渐兴起，很多机器学习领域的算法都已经实现为开源的库、包或代码。如何在这些已有资源的基础上进行高效开发，是最近几年热议的话题。那么，是不是公司或个人就不需要再对这些算法进行手动实现了呢？近日，Quora网站发起了对于 以下问题的讨论 ：为什么有这么多API还要手动编写机器学习算法呢？
Andrew Ng的机器学习问答季 资讯
Writing Sessions是知识共享网站Quora推出的一个与专家交流互动的新板块，在这里你可以看到各个行业领域的专家、学者、名人等对引人注目的问题的独特见解。最近推出的系列围绕如今最热门的技术之一——机器学习所展开，本次机器之心推送是百度首席科学家、Coursera主席、创始人之一、斯坦福大学教师Andrew Ng在Quora上对部分问题的回答，后续还会陆续更新并推出其他专家系列，敬请期待！
机器学习的盛宴：NIPS 2015 资讯
NIPS （ Advances in Neural Information Processing Systems ，神经信息处理系统进展大会）是每年 12 月由 NIPS 基金会主办的机器学习和神经计算领域的顶级会议，它由连接学派（ connectionist ）神经网络的学者于 1987 年在加拿大创办，后来随着影响力逐步扩大，也曾移师美洲、欧洲等地举办。每年大会都吸引了机器学习、人工智能、统计等领域的众多国际专家地参与。
机器学习的开源工具包：Waffles 经验
Waffles英文原意是蜂蜜甜饼（见logo），在这里却指代一个非常强大的机器学习的开源工具包，基于C++语言开发。 Waffles里包含的算法特别多，涉及机器学习的方方面面，推荐系统位于其中的Waffles_recommend tool，大概只占整个Waffles的1/10的内容（其它还有分类、聚类、采样、降维、数据可视化、音频处理等许许多多工具包，估计能与之媲美的也就 数Weka了）。
快速开发机器学习原型：Ramp 经验
Ramp是一个Python库用于快速搭建机器学习解决方案原型。它是一个轻量级基于pandas的机器学习框架，可插入已有的Python机器学习和统计工具（如scikit-learn, rpy2等）。Ramp提供了一个简单的声明性语法探索功能，算法和快速，高效地转换。
机器学习速查(Cheat Sheet)地图 经验
scikit-learn 是一个用Python语言编写机器学习库的开源站点.通常解决机器学习问题最难的部分就是找到合适的估计器.下面的流程图清晰地给出了解决问题的路径，单击任何估计器就能看到它的文档。
weedw 机器学习优化算法—L-BFGS 经验
另外需要注意的是，牛顿法在每次迭代时不能总是保证海森矩阵是正定的，一旦海森矩阵不是正定的，优化方向就会“跑偏”，从而使得牛顿法失效，也说明了牛顿法的鲁棒性较差。拟牛顿法用海森矩阵的逆矩阵来替代海森矩阵，虽然每次迭代不能保证是最优的优化方向，但是近似矩阵始终是正定的，因此算法总是朝着最优值的方向在搜索。
机器学习的11个开源项目 经验
机器学习的11个开源项目：机器学习是目前数据分析领域的一个热点内容，在平时的学习和生活中经常会用到各种各样的机器学习算法。实...
如何选择机器学习分类器？ 问答
你 知道如何为你的分类问题选择合适的机器学习算法吗？当然，如果你真正关心准确率，那么最佳方法是测试各种不同的算法（同时还要确保对每个算法测试不同参 数），然后通过交叉验证选择最好的一个。但是，如果你只是为你的问题寻找一个“足够好”的算法，或者一个起点，这里有一些我这些年发现的还不错的一般准 则。 你的训练集有多大？ 如果训练集很小，那么高偏差/低方差分类器
关于机器学习－EM算法新解 经验
我希望自己能通俗地把它理解或者说明白，但是，EM这个问题感觉真的不太好用通俗的语言去说明白，因为它很简单，又很复杂。简单在于它的思想，简 单在于其仅包含了两个步骤就能完成强大的功能，复杂在于它的数学推理涉及到比较繁杂的概率公式等。如果只讲简单的，就丢失了EM算法的精髓，如果只讲数学 推理，又过于枯燥和生涩，但另一方面，想把两者结合起来也不是件容易的事。所以，我也没法期待我能把它讲得怎样。希望各位不吝指导。
机器学习实战ByMatlab（1）：KNN算法 经验
KNN 算法其实简单的说就是“物以类聚”，也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类，思想很简单：如果一个样本的特征空间中最为临近（欧式距离进行判断）的K个点大都属于某一个类，那么该样本就属于这个类。这就是物以类聚的思想。
机器学习算法基础概念 经验
FP-growth算法是一种用于发现数据集中频繁模式的有效方法。FP-growth算法利用Apriori原则，执行更快。Apriori算法产生候选项集，然后扫描数据集来检查他们是否频繁。由于只对数据集扫描两次，因此FP-growth算法执行更快。在FP-growth算法中，数据集存储在一个称为FP树的结构中。
有趣的机器学习：最简明入门指南 经验
在听到人们谈论机器学习的时候，你是不是对它的涵义只有几个模糊的认识呢？你是不是已经厌倦了在和同事交谈时只能一直点头？让我们改变一下吧！