机器学习笔记

1.斯坦福机器学习公开课笔记(十五)--[应用]照片OCR技术
http://lib.csdn.net/article/machinelearning/1107
具体的训练模型是没有介绍了，但是给了个bird scan，看看，机器学习大概是个咋回事


2.机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾
这个是很接地气的逻辑回归应用，有code，很通俗易懂的讲解
http://lib.csdn.net/article/machinelearning/1096


31号店精准化推荐算法工程师
这个是跟推荐有关系的，你有没有发现，有时候在天猫或者京东上搜过某些东西，过一阵子就会有你可能感兴趣的商品画面推荐给你。


http://lib.csdn.net/article/machinelearning/37044
主要是提到一个矩阵分解的概念ALS， rating，有Python代码，可是我不大明白


4. 机器学习领域的几种主要学习方式
http://lib.csdn.net/article/machinelearning/34923
这篇文章分类介绍了下目前的学习方式和常用的算法，对所有的算法有个大概的认识，知道他们是个什么概念


监督式学习，输入数据被称为在监督式学习下，输入数据被称为“训练数据”，每组训练数据有一个明确的标识或结果，如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件”，对手写 数字识别中的“1“，”2“，”3“，”4“等。


在非监督式学习中，数据并不被特别标识，学习模型是为了推断出数据的一些内在结构。常见的应用场景包括关联规则的学习以及聚类等。常见算法包括Apriori算法以及k-Means算法。


 半监督式学习，在此学习方式下，输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理的组织数据 来进行预测。