机器学习

前言 使用Hadoop已经有一段时间了，从开始的迷茫，到各种的尝试，到现在组合应用….慢慢地涉及到数据处理的事情，已经离不开hadoop了。Hadoop在大数据领域的成功，更引发了它本身的加速发展。现在Hadoop家族产品，已经达到20个了之多。 有必要对自己的知识做一个整理了，把产品和技术都串起来。不仅能加深印象，更可以对以后的技术方向，技术选型做好基础准…

本章我们要讨论一种简单的非线性模型，用来解决回归与分类问题，称为决策树（decision tree）。

近日，机器大数据企业昆仑数据已低调公布完成B轮融资。创始人陆薇表示，本轮融资将用于加快市场渠道建设、扩充团队。自2015年初拿到天使投资，去年秋天获得来自达晨创投的A轮融资至今，昆仑数据的累计融资额已近亿元。

这一章，我们讨论广义线性回归模型的具体形式的另一种形式，逻辑回归（logistic regression）。

据科技网站Geekwire消息，苹果公司全资收购机器学习和人工智能创业公司 Turi，金额达到2亿美金。这笔收购也显示了苹果公司大举进攻AI人工智能和机器学习的意图。近两年来，苹果已经在西雅图建设了一座工程师分部，这次的收购也意味着苹果从加州地区跨入到西雅图地区的布局。

本章，我们介绍提取这些变量特征的方法。这些技术是数据处理的前提——序列化，更是机器学习的基础，影响到本书的所有章节。

本章介绍用线性模型处理回归问题。

在惯性思维中我们所说的都是中文大数据，中译语通却想通过跨语言的方式为大数据新增一个维度

本章我们简要介绍下机器学习（Machine Learning）的基本概念。主要介绍机器学习算法的应用，监督学习和无监督学习（supervised-unsupervised learning）的应用场景，训练和测试数据的用法，学习效果评估方式。最后，对scikit-learn进行一些简单的介绍。

没有一种筛选和推荐系统让我们绝对满意，因为它减少了我们选择的力量和意义。

转眼间，公元2016年已经过半。人类在大数据和机器学习领域又取得了诸多进展，让我们共同回顾一下。

当谷歌 DeepMind 团队的 AlphaGo 打败了李世石时，媒体就用人工智能、机器学习和深度学习这三个术语来描述 DeepMind 是如何取得胜利的。

毫无疑问，作为人工智能的子领域—机器学习在过去的几年中越来越受欢迎。由于大数据是目前科技行业最热门的趋势，基于大量的数据机器学习在提前预测和做出建议方面有巨大的潜力。一些有关机器学习常见的例子有：Netflix基于你以前看过的电影再给你做出影片的推荐，或者亚马逊根据你以前买过的书籍再给你进行图书推荐。

FogHorn 为工业和商业物联网应用提供雾计算平台（或称“边缘智能计算”平台），这一平台能够在各类工业和企业中，发挥机器学习和高级分析的作用，推动新一类的监控和诊断、资产性能优化、运营智能化和预见性维护程序的发展。

虽然数字营销技术和参与渠道越来越多，但很多营销人员依然担心他们无法满足客户的最大需求——无缝、无障碍和个性化的购买与问题解决体验。