部——数据挖掘与计算 吴炜（梧苇） 2. 目录Graphx简介和特性 图计算场景 整体模型，流程和算法 调优与改进 性能和技巧 总结 3. Graphx的发展0.62013-08-23Bagel0.8

背景 机器学习在经过近些年的野蛮生长之后，其有效性已经被无数成功应用所验证，在这一点上已经不需要更多证明。在使用方法和常用模型方面也已经没有什么太新奇的东西了。例如在模型方面，经过实践检验过的模型

在本篇文章，作者将讨论机器学习概念以及如何使用Spark MLlib来进行预测分析。后面将会使用一个例子展示Spark MLlib在机器学习领域的强悍。 1.引言 Spark机器学习API包含两个package：spark

and the chunker was refactored。 OpenNLP 是一个机器学习工具包，用于处理自然语言文本。支持大多数常用的 NLP 任务，例如：标识化、句子切分、部分词性标注、名称抽取、组块、解析等。

Ng（吴恩达）则宣布加入百度的深度学习研究院。最近几天，他正在密集地为百度面试人才，奔走于 Coursera 的新办公楼和百度的新办公楼之间。他说，能和他多年的好朋友、著名机器学习专家余凯一起工作，他感到相当兴奋。

com/cn/news/2015/06/DMLC-github 为了实现分布式机器学习领域中代码的共享与共同开发， 分布式机器学习社区（DMLC）近日正式发布 。作为一个开源项目，DMLC的相关代码直接托管在

5月21日消息，由百度牵头的分布式深度机器学习开源平台日前正式面向公众开放，该平台隶属于名为“深盟”的开源组织，该组织核心开发者来自百度深度学习研究院（IDL），微软亚洲研究院、华盛顿大学、纽约大学、

的，与这次旅行相关的微博才算。 到现在为止，似乎只有旅行推做到了这一点。 我设计了一套核心算法，过滤掉脏数据，仅保留有效数据，后来又加入了另外9道过滤规则，以及不断调试关键字库，最后达到了惊人的……97%有效率。

TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计

Ebay 和携程从事数据分析与机器学习方面的工作，关注统计与机器学习方面的研究、大数据风控系统的建设。本文探讨的是：互联网金融时代，如何借助互联网思维利用 机器学习方法建立高效安全的大数据风控系统？

8个最好的机器学习速查表（Cheat Sheets）

SystemML是灵活的，可伸缩机器学习 (ML) 语言，使用Java编写。可实现三大功能：(1) 可定制算法；(2) 多个执行模式，包括单个，Hadoop 批量和 Spark 批量；(3) 自动优化。

谷歌 AutoML 系统最近出产了一系列机器学习代码，其效率甚至比研究人员自身还要高。显然，这是对“人类优越论”的又一次打击，因为机器人“学生”们已经成为了“自我复制”的大师。AutoML 是在人工智

Oryx的目标是帮助Hadoop用户搭建并部署能够实时查询的机器学习模型，例如垃圾邮件过滤和推荐引擎。随着数据的不断流入，Oryx还将支持自我更新。 无论从建模还是部署，Oryx都可以随需扩展

在解释 机器学习 的基本概念的时候，我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条目列表。 1. Test and training error: 为什么低训练误差并不总是一件好的事情呢：

Sampling(重要性采样)，MCMC(MarkovChain Monte Carlo 马尔科夫蒙特卡罗采样算法：Metropolis-Hasting& Gibbs)。 Clustering(聚类)：

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚 类算法，如 K 最近邻（KNN）和 K 均值（K-Means

Kaggle比赛源代码和讨论的收集整理。

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇，主要关注逻辑回归算法的数学模型和参数求解方法，最后

以下表格摘自：http://www.shogun-toolbox.org/ 另推荐机器学习软件汇总网站 http://mloss.org/software/ feature shogun weka