机器学习

这篇文章的目的就是回顾可以解决分类模型中倾斜数据问题的不同方法。

评估你的机器学习算法是任何项目的重要部分。

世上有许多我根本没听说过的音乐家，如果我们要给成千上万的歌曲分组，那么显然人工检验每个簇类是不现实的。

本文收集的是迄今为止在机器学习领域所进行的一些最激动人心的研究。

推荐引擎简单来讲就是过滤数据并向用户推荐最相关的结果。推荐这些结果的方式使得对结果感兴趣的可能性最大。现在，所有推荐引擎都有用户数据及其历史记录，可用于创建过滤算法，并最终帮助公司为每个独特用户生成非常准确的建议。我们将对Pluralsight的在线课程文本数据进行讨论，根据我们可用的商品数据制作推荐系统。

我们能用其他篮球指标预测NBA球员的个人赢球率吗?本文使用2016-2017赛季的数据来创建模型，并使用最近一个赛季的数据来预测胜利贡献值。

由于之前出过两期必读书目的文章，受到了观众激烈的反响，于是决定顺应市场需求，又来喂一波精神食粮。 这波粮食呢，一部分是关于初级机器学习，深度学习介绍，Python语言，数据可视化入门，一部分是关于人们对机器感兴趣的一些话题，例如特征工程，模型可解释性等。