数据挖掘

机器学习从入门到放弃之逻辑回归

本文将系统的讲解数据挖掘领域的经典聚类算法，并给予代码实现示例。

随着互联网技术的不断发展，数据呈现出规模大、维度高、结构复杂等特性，人们收集和获得数据的能力也逐渐增强。如何充分利用海量数据、挖掘其中有价值的知识和内容以指导实际生产是科研人员、工程技术人员及各管理层领导所研究及关注的焦点。数据降维能够加快算法执行的速度，同时也能提高分析模型的性能，降低数据的复杂度，缓解“信息丰富、知识贫乏”的现状。

我们所说的机器学习和R有什么关系呢？我对R的第一印象是,它只是一个统计计算的一个软件。但是后来我发现R有足够的能力以一个快速和简单的方式来实现机器学习算法。这是用R来学习数据科学和机器学习的完整教程，读完本文,你将有使用机器学习的方法来构建预测模型的基本能力。

从零开始学数据分析，什么程度可以找工作？

推荐系统的核心是为用户提供个性化的内容。而实现的方式不外乎根据用户的历史行为去预测未来的潜在点击。一个成功的推荐系统，一般要从两个维度体现它的价值：一是帮助用户发现没接触过但会喜欢的有新鲜感的内容;二是提升平台的点击活跃程度，让长尾内容得到更充分的曝光。

本文将详细讲述这类定性与定量结合的用户画像制作方法，以求达到精确描述用户需求、指导运营工作的目的。

在大数据时代，如何挖掘数据的价值？互联网人又应该具有什么思维？在黑马连营 的课堂上，曾在阿里巴巴领导大数据分析等工作，时任1号店副总裁的张高峰做了主题为“大数据在电商的应用与趋势”的分享。

数据挖掘、海量存储、数据仓库、大数据、商业智能、数据分析、平台……经历过几十年的发展演变后，数据库管理系统已经发展成为一门内容丰富的学科，造就了一个庞大的软件产业。

Google搜索，早已成为我每天必用的工具，无数次惊叹它搜索结果的准确性。

用R全面解析Mahout的基于用户推荐协同过滤算法(UserCF),改进的采用欧氏距离，并用R语言实现，与Mahout的结果进行对比。

前言 人类总是在生活中摸索规律，把规律总结为经验，再把经验传给后人，让后人发现更多的规规律，每一次知识的传递都是一次进化的过程，最终会形成了人类的智慧。自然界规律，让人类适者生存地活了下来，聪明的科学家又把生物进化的规律，总结成遗传算法，扩展到了更广的领域中。 本文将带你走进遗传算法的世界。 1. …

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？

BAT虽然在数据量上占据优势，但却在丰富性上受到局限，甚至并不具备垂直领域UGC所具备的大数据能力。中小企业则可以充分利用自己在垂直领域里深耕的优势，将数据的丰富性提升上来，从而获得差异性的优势。

本文是从贝叶斯分类器的角度来讨论判别分析