导语：高中的时候，班主任让我们每学完一个章节，整理出这个章节的关键词和一份问题列表。现在回想起来，其实是很有用的，这让我们可以从另外一个视角来审视所学习的内容，而不是单纯的填鸭式的记忆；最近在复习机器学习相关内容，也...

导语：本文用了从数学层面和代码层面，再结合一些通俗易懂的例子，详细地描述了回归主要涉及的原理和知识，希望对于机器学习的初学者或者有兴趣研究模型具体实现的同学带来一点帮助。...

导语：本文详细的解释了机器学习中，经常会用到数据清洗与特征提取的方法PCA，从理论、数据、代码三个层次予以分析。

Youtube是全球最大的视频分享平台，用户量高达10亿+，每天上传的UGC和PGC都是百万级别。那么问题就来了，他们是如何让用户在这么多的视频中快速的发现自己感兴趣的内容呢？大家可能会想到搜索，确实搜索是一个必不可少的工具，但...

随着我们底层特征库中特征数目的不断增长，如何组合特征，如何针对不同场景选择适合的特征，如何评估特征优劣？这些问题已经日益凸显，所以这次想梳理现有的特征工程方法，并将通用的模块抽象成工具，封装到神盾离线计算平台。...

Spark SQL是spark主要组成模块之一，其主要作用与结构化数据，与hadoop生态中的hive是对标的。而DataFrame是spark SQL的一种编程抽象，提供更加便捷同时类同与SQL查询语句的API，让熟悉hive的数据分析工程师能够非常快速上手...

通常，我们在使用Tensorflow低级API编程时（非Eager模式）， 一般有下面三个步骤：

对每批新到的数据，我们首先将点分配给距离它们最近的簇，然后计算新的数据中心，最后更新每一个簇。使用的公式如下所示：

k-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据它们的属性分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。...

二分k-means算法是层次聚类（Hierarchical clustering）的一种，层次聚类是聚类分析中常用的方法。层次聚类的策略一般有两种：