机梯度上升法。由于可以在新样本到来之前对分类器进行增量式更新，因此随机梯度算法是一个在线学习算法。与”在线学习“相对应，一次处理所有数据被称作是”批处理“ 随机梯度上升算法可以写成如下的伪代码：

PCA 算法也叫主成分分析（principal components analysis），主要是用于数据降维的。 为什么要进行数据降维？因为实际情况中我们的训练数据会存在特征过多或者是特征累赘的问题

com/xirong/my-git/blob/master/git-workflow-tutorial.md 个人在学习git工作流的过程中，从原有的 SVN 模式很难完全理解git的协作模式，直到有一天我看到了下面的文章，好多遗留在心中的困惑迎刃而解：

1. Git概念 1.1. Git库中由三部分组成 Git 仓库就是那个.git 目录，其中存放的是我们所提交的文档索引内容，Git 可基于文档索引内容对其所管理的文档进行内容追踪，从而实现文档的版本控制。.git目录位于工作目录内。 1） 工作目录：用户本地的目录；

包括：免费电子书、课程、视频、讲义、论文、站点、框架等等

本文总结了机器学习的经典书籍，包括数学基础和算法理论的书籍。本文会保持更新，欢迎推荐。 入门书单 《数学之美》 PDF 52 作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。

1. 前言 熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简 单，coding 方便，是训练模型的必备利器之

1、推荐系统定义 维基百科：推荐系统属于资讯过滤的一种应用。推荐系统能够将可能受喜好的资讯或实物（例如：电影、电视节目、音乐、书籍、新闻、图片、网页）推荐给使用者

Stacked CNN简单介绍 中 有大概介绍过CNN的使用，不过那是有个前提的：CNN中的参数必须已提前学习好。而本文的主要目的是介绍CNN参数在使用bp算法时该怎么训练，毕竟 CNN中有卷积层和下采样层，

Python提供了多个内置模块用于操作日期时间，像calendar，time，datetime。time模块我在之前的文章已经有所介绍，它提供的接口与C标准库time.h基本一致。相比于time模块，datetime模块的接口则更直观、更容易调用。今天就来讲讲datetime模块。

11个著名的开源机器学习工具

参照dribbble app 学习的react native demo 原app： https://github.com/catalinmiron/react-native-dribbble-app 在学习的过程中遇

大多数并发都是通过任务执行的方式来实现的。一般有两种方式执行任务：串行和并行。

算法虐我千百遍，我待算法如初恋。 学习方法 1） 把所有经典算法写一遍 2） 看算法源码 3） 加入算法学习社区，相互鼓励学习 4） 看经典书籍 基本数据结构和算法 这些算法全部自己敲一遍：

有数据类型，逻辑全靠空格缩进表示等。 今天自己用了60分钟快速学习了下Python的语法。和大家分享下，也算是自己这一个小时的学习总结吧！ 第一步：开发环境搭建： PyCharm 4.5.4

本列表总结了25个Java机器学习工具&库： 1. Weka 集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具，如数据预处

图像直方图计算，索贝尔边缘检测算法等。我最近刚开始学习Metal的使用，并做了一个高斯模糊的例子作为"HelloWorld"程序,下面分享一下我的学习成果~ 注意:运行该程序需要有一个系统版本为i

本文我们会概述一些流行的机器学习算法。 机器学习算法很多，并且它们自身又有很多延伸。因此，如何确定解决一个问题的最好算法是很困难的。 下面我们先说基于学习方式对算法的分类和算法之间的相似性

http://mbg.cndocs.tk/ 这些也是我朋友介绍的。刚刚接触MyBatis可以看看。接下来就开始学习mybatis了。 MyBatis 本是apache的一个开源项目iBatis, 2010年这个项目由apache

scikit-learn 是机器学习领域非常热门的一个开源库，基于Python 语言写成。可以免费使用。 网址： http://scikit-learn.org/stable/index.html