lvjun93的专栏

原文链接：    http://www.cnblogs.com/biyeymyhjob/archive/2012/07/18/2595410.html

本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning

导致这种情况的原因有很多，下面是几个可能的方面:1.数据本身的问题比如虽然有一组体育类的新闻，但是这组数据实际上距离娱乐类的距离比较近，那么很有可能导致结果体育类的分类个数为0。验证方法就是聚类完成之后，找到个数为0的分类，找到实际上属于这个分类的文本，手动的计算其距离其他几个分类中心点的距离，看看是不是太近。2.算法上的问题相似度的计算方法有很多种，一定要

1、概率：全概率公式，联合概率，贝叶斯法则，独立性和条件独立性，KL距离，似然函数，马尔科夫模型。多元高斯分布。2、线性代数。向量、空间中的点、内积、向量间夹角、欧式距离、线性超平面、垂直的概念、点到超平面的距离。矩阵、逆矩阵、正定矩阵。3、微积分：函数导数、泰勒展开、函数最优值和导数为零的关系。自变量为向量的函数的导数。4、优化：无约束优化和导数为零的关系，带约束优化问题

http://baike.baidu.com/view/3167773.htmhttp://www.cnblogs.com/huadongw/p/4101422.html聚类算法：ISODATA算法1. 与K-均值算法的比较–K-均值算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活；–从算法角度看， ISODATA算法与K-均值算法相似，聚类中心

https://mp.weixin.qq.com/s/KFUtS4Cd9-XSBlS4u7HZLA# https://mp.weixin.qq.com/s/KFUtS4Cd9-XSBlS4u7HZLA'''DeepFM相当于 Google 的 Wide&Deep ，这篇文章 wide 的部分是需要预先训练的 FM 算法，也就是说它不是一个 end-to-end 的方法。De...

#coding=utf-8import numpy as npimport randomfrom numpy import genfromtxtimport sysdef getData(dataSet): m, n = np.shape(dataSet) print 'np.shape(dataSet):',np.shape(dataSet) trainD...