机器学习的应用–大数据
机器学习的子类–深度学习
机器学习的父类–人工智能
机器学习的范畴包括：
分类、回归、聚类。
机器学习 根据过去的数据会建立一个模型，但有新的数据进来时，机器(程序)会根据这个模型对该数据进行预测。
机器学习方法是计算机利用已有的数据，得出了某种模型，并利用此模型预测未来的一种方法。
机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。
如 根据用户以前的浏览数据，得出用户模型，利用该模型来预测用户将来会浏览哪些信息。把这类信息推送给用户，就是推荐系统。
机器学习任务主要分为两种：Supervised Machine Learning 和 Unsupervised Machine Learning。其中Supervised Machine Learning主要包括Classification和Regression，Unsupervised Machine Learning主要包括Clustering。
推荐系统 是属于机器学习的范畴。
机器学习中比较实用的是推荐引擎和分类算法
机器学习 概念介绍：http://aoyouzi.iteye.com/blog/2179641
依据数据所做的判断跟机器学习的思想根本上是一致的。
推荐引擎
基于用户 GenericUserBasedRecommender
相似度+ 邻域
相似度 UserSimilarity
实现的算法有
PearsonCorrelationSimilarity -- 皮尔逊
EuclideanDistanceSimilarity -- 欧式距离
TanimotoCoefficientSimilarity -- 谷本系数
UserNeighborhood
实现的算法
NearestNUserNeighbordhood -- 近邻
ThresholdUserNeighborhood -- 基于阀值
基于物品 GenericItemBasedRecommender
只要考虑相似度 接口为 ItemSimilarity
实现算法和基于用户的一样
基于模型
Slope-One
Slopeone算法不同于前面提到的基于相似度的算法，他计算简单快速，对新用户推荐效果不错，数据更新和扩展性都很不错，预测能达到和基于相似度的算法差不多的效果，很适合在实际项目中使用。
分享到：
相关推荐
机器学习简单易学的入门课件，很适合初学者的了解，也是进入深度学习的入门课程。
机器学习基础（从入门到求职）课件
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。2010年的图灵奖获得者为哈佛大学的Leslie vlliant教授，其获奖工作之一是建立了概率近似正确...
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
《机器学习入门——MATLAB实战与应用》一书中的实例程序。涉及监督学习，非监督学习和强化学习。(code for book "Machine Learning Introduction & Action in MATLAB")
具备数学基础的大三以上的同学都能学会
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
机器学习入门英文版 《A Machine Learning Primer》Mihail Eric机器学习入门英文版 《A Machine Learning Primer》Mihail Eric机器学习入门英文版 《A Machine Learning Primer》Mihail Eric机器学习入门英文版 《A ...