请选择 进入手机版 | 继续访问电脑版
楼主: chenyi112982
14888 118

[计量与统计] 晒晒你见过最好的“数据挖掘”资源|福利奉上1-2期名师达人精荐评价资源清单   [推广有奖]

编辑管理员

大师

74%

还不是VIP/贵宾

-

TA的文库  其他...

《经管人》精品-邂逅经管大牛

会计与财务学习答疑文库

经管类求职招聘答疑与咨询文库

威望
16
论坛币
40333 个
通用积分
47426.0346
学术水平
4872 点
热心指数
5237 点
信用等级
4486 点
经验
1865846 点
帖子
2249
精华
90
在线时间
5182 小时
注册时间
2006-5-25
最后登录
2023-7-10

初级学术勋章 中级学术勋章 高级热心勋章 高级信用勋章

chenyi112982 发表于 2016-12-7 10:44:28 |显示全部楼层 |坛友微信交流群
相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
  • 用最短时间分享最优秀、最牛逼、最好用的经管资源
  • 让每个人怀抱一大波学习神器!
  • 都来晒一把你心中最好的那些经管学习资源好货吧!第一名500论坛币,第二名300论坛币;第三名200论坛币,凡有效推荐参与者,均有100论坛币,福利再加码!)
  • 第五波强势来袭!
  • 每期资源征集活动后论坛继续邀请相关领域名师和专家、大牛,为大家再次筛选、优中择优、精心品鉴,并为大家选出最终该领域“资源大赏清单”,供大家学习(重质不重量哦)
  • 本资源清单随每期资源征集专题不断动态添加中,好货天天有!推荐亲们墙裂持续关注哦







                              

今天是经管资源推荐第五期,

我们的主题是晒出你心中最好的“数据挖掘”资源,可以是优秀的图书、公开课、网址、研报、数据、讲义、笔记、文字资料、视频资料等等。


Python (2).jpg


大福利:

每期将视资源的质量与评价,开出一等奖1名(500论坛币)+二等奖2名(300论坛币)+三等奖3名(300论坛币)+加入“优秀经管学习资源共享”群180710949,每周群分享不少于15个优秀经管资源+每个月我们会发布“优秀经管资源月报“,分享不少于30个优秀经管资源

________________________________________________________________________________________

接下来!上干货时间到了!请收走下面的三批各种资源强货吧!含金量十足!

本资源清单随每期专题不断动态添加中,好货天天有!


一、第一波“机器学习”资源征集-----名师和专家最终评选精荐资源精单

邹博老师推荐PRML和MLAPP,中文的看《统计学习方法》。

1.PRML,也就是Bishop《Pattern Recognition and Machine Learning》 ,中文名《模式识别与机器学习》
英文版链接:https://bbs.pinggu.org/thread-901147-1-1.html
中文版链接:https://bbs.pinggu.org/thread-3708612-1-1.html

2.MLAPP,《Machine Learning A Probabilistic Perspective》
链接:https://bbs.pinggu.org/thread-4970443-1-1.html

3.李航《统计学习方法》
链接:https://bbs.pinggu.org/thread-4787307-1-1.html



陈老师:李航《统计学习方法》、哈林顿《机器学习实战》、周志华《机器学习》
唐老师:韩家炜 (Jiawei Han)《数据挖掘概念与技术》(有中文版和英文版)
余老师:周志华《机器学习》、丘祐玮 (Yu-Wei Chiu)《机器学习与R语言实战》

目前总结看来,李航《统计学习方法》和周志华《机器学习》都被推荐了两次,大家不妨猛戳哦!

二、第二波“风险建模”资源征集------名师和专家最终评选精荐资源精单


1.赫尔《风险管理与金融机构》,中文版第三版,英文版2015年已经有第四版。
说明:这本书可能是最适合我们的一本经典书籍,管理风险暴露、利率风险/市场风险/信用风险等度量、风险评级、管理人员的注意事项等,相当全面而详细。网上评价也很好。
中文版第三版,论坛下载链接:https://bbs.pinggu.org/thread-3606635-1-1.html
英文版第四版,论坛下载链接:https://bbs.pinggu.org/thread-3648265-1-1.html

2.FRM考试handbook中文版。
说明:这本书也很全面,但有些篇幅是投资方面,我大致看了一下,可以作为入门通俗读物,数理建模的内容比较少。
论坛下载链接:https://bbs.pinggu.org/thread-2571246-1-1.html


3.比莱茨基《信用风险:建模、估值和对冲》
说明:写得比较深入,是信用风险建模中比较经典的书籍。

4.勒夫勒《信用风险建模》
  说明:这本书主要是基于Excel和VBA的。

如果对软件有要求,也可以参考(《信用风险评分卡研究:基于SAS的开发与实施》《信用评分模型技术与应用》)



三、第一波“机器学习”由网友、版主自发推荐首轮精荐资源精单


以下是我们组织的第一期“机器学习“优秀资源,由8位热心资源达人分享的资源,高达52个哦,


第一批“机器学习“资源网友推荐清单如下

1. 坛友 lzguo568推荐图书资源9个

2. wwqqer版主推荐的自己整理的学习资源专题,资源约20个

3. 坛友 lzguo568推荐公开课资源2个

4. 我的素质低版主推荐网课4项,斯坦福公开课1个,博客2个,共7个

5. 坛友“东方祥 “推荐图书2本

6.坛友“南合季“推荐图书5本

7.坛友“数术“推荐图书5本

8. 坛友“桐叶“推荐两个免费的机器学习视频课程



第一批“机器学习“资源52个具体好货在这儿(还在陆续推荐增加中哦......)


  • (1)坛友 lzguo568推荐图书资源9个

介绍几本经典图书
1,Tom M Mitchell - Machine Learning
2、Introduction_to_Machine_Learning(Ethem_Alpaydin).pdf
3、Pattern Recognition and MachineLearning.pdf
4、MIT.Fundamentals.of.Machine.Learning.for.Predictive.Data.Analytics
5、Foundations_of_Machine_Learning.pdf
6、Learning from data.pdf
7、机器学习系统设计.Python.2014.pdf
8、数据挖掘:概念与技术(中文第三版).pdf
9、Machine Learning and Data Science - AnIntroduction to Statistical Learning Methods with R.pdf


  • (2)wwqqer版主推荐的自己整理的学习资源专题,资源约20个

机器学习在这里:机器学习 (Machine Learning)
【经典教材系列】An Introduction to Machine Learning
【经典教材系列】Machine Learning: An Algorithmic Perspective (第二版)
【经典教材系列】Introduction To Pattern Recognition And Machine Learning
【经典教材系列】Compression Schemes for Mining Large Datasets: A MachineLearning Perspective
【经典教材系列】Unsupervised Process Monitoring and Fault Diagnosis withMachine Learning Methods
【大数据系列】Rule Based Systems for Big Data: A Machine Learning Approach
【大数据系列】Machine Learning Models and Algorithms for Big DataClassification
【经典教材系列】Modeling and Stochastic Learning for Forecasting in HighDimensions
【经典教材系列】Fundamentals of Machine Learning for Predictive DataAnalytics
【经典教材系列】Numerical Algorithms: Methods for Computer Vision, MachineLearning, and Graphics
【经典教材系列】Machine Learning in Complex Networks
【经典教材系列】Semisupervised Learning for Computational Linguistics
【经典教材系列】Practical Machine Learning (2016)
【经典教材系列】Teaching Learning Based Optimization Algorithm: And ItsEngineering Application
【经典教材系列】统计机器翻译 Linguistically Motivated StatisticalMachine Translation: Models and Algorithms
【经典教材系列】From Curve Fitting to Machine Learning (第二版)
【大数据系列】Machine Learning in Evolution Strategies
【大数据系列】Statistical Reinforcement Learning: Modern Machine LearningApproaches
【经典教材系列】Machine Learning for Microbial Phenotype Prediction
【经典教材系列】Hybrid Approaches to Machine Translation


  • (3)坛友 lzguo568推荐公开课资源2个

分享一下加州理工学院公开课

http://open.163.com/movie/2012/2/3/C/M8FH262HJ_M8FTVDQ3C.html

https://www.coursera.org/learn/ml-foundations 机器学习基础:案例研究


  • (4)我的素质低版主推荐网课4项,斯坦福公开课1个,博客2个,共7个

第一期资源分享的主题是我心中”机器学习“、”EDW企业数据仓库“、”风险建模“,这三个方面都是偏向技术的,相对来说,风险建模可能资料较多,但是练习数据却不多,风险数据比较敏感嘛。相对来说机器学习的话,资料多,练习数据也多。

      如果是新手,想学机器学习之一类的,我觉得可以直接看书,里面的复杂符号可以让你马上想睡...  可以报个网课学一下,现在网课很多,譬如CDA、小象学院、七月在线、天善智能等机构,当然CDA在这块经验丰富;

      如果你有底子,直接去斯坦福公开课,吴恩达老师的中文版也有,http://open.163.com/special/opencourse/machinelearning.html

      机器学习理论内容学起来不复杂,但是如何实现这个需要更多练习,挑一款实现软件,网上搜一下实现博客就行。网上不同软件不同实现的博客很多很多,当然还有推荐我自己的小博客啦~  :http://blog.csdn.net/sinat_26917383/article/category/6093536


  • (5)坛友“东方祥 “推荐图书2本

数据挖掘:概念与技术(原书第3版)

本书完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。本书对前两版做了全面修订,加强和重新组织了全书的技术内容,重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容,还全面讲述了OLAP和离群点检测,并研讨了挖掘网络、复杂数据类型以及重要应用领域。

本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书,是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材,可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。

机器学习周志华

它是一本和Tom M. Mitchell那本Machine Learning具有一样重大意义的书。很有可能,它会成为一本中国无数Machine Learning热爱者的启蒙教材。


  • (6)坛友“南合季“推荐图书5本

我也来说一个吧!我心中最好的”机器学习“的图书,有这么几本,另外,期待楼主赶紧凑到100个经管资源,分享给大伙儿吧

《Mining of Massive Datasets》(《大数据》)
作 者Anand Rajaraman[3]、Jeffrey David Ullman,Anand是Stanford的PhD。这本书介绍了很多算法,也介绍了这些算法在数据规模比较大的时候的变形。但是限于篇幅,每种算法都没有展开讲的感觉,如果想深入了解需要查其他的资料,不过这样的话对算法进行了解也足够了。还有一点不足的地方就是本书原文和翻译都有许多错误,勘误表比 较长,读者要用心了。
《DataMining: Practical Machine Learning Tools and Techniques》(《数据挖掘:实用机器学习技术》)
作者IanH. Witten 、Eibe Frank是weka的作者、新西兰怀卡托大学教授。他们的《ManagingGigabytes》[4]也是信息检索方面的经典书籍。这本书最大的特点是对weka的使用进行了介绍,但是其理论部分太单薄,作为入门书籍还可,但是,经典的入门书籍如《集体智慧编程》、《智能web算法》已经很经典,学习 的话不宜读太多的入门书籍,建议只看一些上述两本书没讲到的算法。
《机器学习及其应用》
周志华、杨强主编。来源于“机器学习及其应用研讨会”的文集。该研讨会由复旦大学智能信息处理实验室发起,目前已举办了十届,国内的大牛如李航、项亮、王海峰、刘铁岩、余凯等都曾在该会议上做过讲座。这本书讲了很多机器学习前沿的具体的应用,需要有基础的才能看 懂。如果想了解机器学习研究趋势的可以浏览一下这本书。关注领域内的学术会议是发现研究趋势的方法嘛。
《ManagingGigabytes》(深入搜索引擎)
信息检索不错的书。
《ModernInformation Retrieval》
Ricardo Baeza-Yates et al. 1999。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛,这本书略有些过时了。翻翻做参考还是不错的。另外,Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。


  • (7)坛友“数术“推荐图书5本

造福坛友的好活动,我推荐的是机器学习方面的几本书,供大家参考。
1.《数学之美》  
作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。
2.《Programming Collective Intelligence》(《集体智慧编程》)        
这本书最大的优势就是里面没有理论推导和复杂的数学公式,是很不错的入门书。目前中文版已经脱销,对于有志于这个领域的人来说,英文的pdf是个不错的选择,因为后面有很多经典书的翻译都较差,只能看英文版,不如从这个入手。还有,这本书适合于快速看完,因为据评论,看完一些经典的带有数学推导的书后会发现这本书什么都没讲,只是举了很多例子而已。
3.《Algorithms of the Intelligent Web》(《智能web算法》)
作者HaralambosMarmanis、Dmitry Babenko。这本书中的公式比《集体智慧编程》要略多一点,里面的例子多是互联网上的应用,看名字就知道。不足的地方在于里面的配套代码是 BeanShell而不是python或其他。总起来说,这本书还是适合初学者,与上一本一样需要快速读完,如果读完上一本的话,这一本可以不必细看代码,了解算法主要思想就行了。
4.《统计学习方法》
作者李航,是国内机器学习领域的几个大家之一,曾在MSRA任高级研究员,现在华为诺亚方舟实验室。书中写了十个算法,每个算法的介绍都很干脆,直接上公 式,是彻头彻尾的“干货书”。每章末尾的参考文献也方便了想深入理解算法的童鞋直接查到经典论文;本书可以与上面两本书互为辅助阅读。
5.《Machine Learning》(《机器学习》)作 者Tom Mitchell是CMU的大师,有机器学习和半监督学习的网络课程视频。这本书是领域内翻译的较好的书籍,讲述的算法也比《统计学习方法》的范围要大很多。据评论这本书主要在于启发,讲述公式为什么成立而不是推导;不足的地方在于出版年限较早,时效性不如PRML。但有些基础的经典还是不会过时的,所以这本书现在几乎是机器学习的必读书目。


  • (8)坛友“桐叶“推荐两个免费的机器学习视频课程

斯坦福大学公开课:机器学习课程
http://open.163.com/special/opencourse/machinelearning.html

加州理工学院公开课:机器学习与数据挖掘
http://open.163.com/special/opencourse/learningfromdata.html


第四期经管资源嘉年华,狂欢继续


有品质的学习,一定是伴随着最好、最优质的资源的


快把你知道的“数据挖掘”好资源丢到碗里!用你的一个资源,


换来你的100个和1000个吧!




二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:数据挖掘 最好的 introduction Fundamentals Data Science 资源 最好

回帖推荐

飞天玄舞6 发表于48楼  查看完整内容

怎么能没有the elements of statistical learning呢

wwqqer 发表于5楼  查看完整内容

数据挖掘资料合集来啦:https://bbs.pinggu.org/forum.php?mod=redirect&goto=findpost&ptid=3747424&pid=30497502&fromuid=452766

candyl6 发表于14楼  查看完整内容

推荐一本书: 《数据挖掘与机器学习-WEKA应用技术与实践》(第二版) (我同学的导师推荐他看的) 推荐一些视频资源: 浙大数据挖掘视频教程28讲 链接: https://pan.baidu.com/s/1mibgiqk 密码: j4dw 中科院数据挖掘视频教程39讲 链接: https://pan.baidu.com/s/1dFwteyH 密码: ysj5

数术 发表于4楼  查看完整内容

坚持参与推荐资源的好活动。 数据挖掘的一些学习资源/主要是网站 1.Statistical Learning Theory from Berkeley This course will provide an introduction to probabilistic and computational methods for the statistical modeling of complex, multivariate data. It will concentrate on graphical models, a flexible and powerful approach to capturing statistical dependencies in complex, multivariate data. In ...

南合季 发表于2楼  查看完整内容

以下是一些数据挖掘领域专家牛人的网站,有很多精华,能开阔研究者的思路,在此共享: 1.Rakesh Agrawal 主页:http://research.microsoft.com/en-us/people/rakesha/ 数据挖掘领域唯一独有的关键规则研究的创始人,其主要的Apriori算法开启了这一伟大的领域。之前他在IBM研究院工作,目前在微软研究院从事搜索的相关工作。除了关联规则外,他还在Hippocratic Database, Sovereign Information Sharing, and Privacy-Preservi ...

论坛经管答疑 发表于3楼  查看完整内容

大学课程、在线教程:Stanford课程:CS246 Mining Massive Data Sets,CS246H Mining Massive Data Sets: Hadoop Labs,CS341 Project in Mining Massive Data Sets,配套书籍 Mining of Massive Datasets,DataMiningTalk;CMU课程:Data Mining: Spring 2013,Statistics 36-350: Data Mining (fall 2009);南京大学课程:Introduction to Data Mining;Coursera:Data Mining Specialization。 专著、书籍:Mining of ...
任何一种学习,就其本质而言,都是从提问开始的
爱问就有答案,酝酿好答案的感觉就像千年狐狸吐出内丹......
南合季 发表于 2016-12-7 10:46:07 |显示全部楼层 |坛友微信交流群
以下是一些数据挖掘领域专家牛人的网站,有很多精华,能开阔研究者的思路,在此共享:

1.Rakesh Agrawal
主页:http://research.microsoft.com/en-us/people/rakesha/ 数据挖掘领域唯一独有的关键规则研究的创始人,其主要的Apriori算法开启了这一伟大的领域。之前他在IBM研究院工作,目前在微软研究院从事搜索的相关工作。除了关联规则外,他还在Hippocratic Database, Sovereign Information Sharing, and Privacy-Preserving Data Mining等方面做出了开创性的工作。

2.Jiawei Han(韩家炜)
主页:http://www.cs.uiuc.edu/~hanj/
著名数据挖掘书籍,《数据挖掘概念和技术》作者,在DM界久负盛名。他的个人主页里面有很多他的papers,都非常经典;还有他所教授的课程,可以下载课件学习。他的一些杰出的工作集中在关联规则挖掘FP树,异构网络挖掘等。

3.Jon Kleinberg
主页:http://www.cs.cornell.edu/home/kleinber/ 康奈尔大学计算机科学家,著名牛掰的HITS算法的发明人(这里,顺带插一个传说,一次讲座中,有人问Jon的老师HITS和PAGERANK哪个先提出的?老师炫耀地讲:当然是我们HITS先提出来,而且比PAGERANK要早很多呢。最后有人又问那么早多长时间呢,老师回答:一个星期。呵呵)。目前其主要研究兴趣集中在社区分析上面。

4.Philip S. Yu
主页:http://www.cs.uic.edu/PSYu/ 数据库和数据挖掘领域的重要影响力人物,是为数不多的在工业界(watson research center)和学术界都有绝对影响的。。。更多参见链接http://www.guzili.com/?p=131

5.Jian Pei
http://www.cs.sfu.ca/~jpei/
数据挖掘牛人,经常来中国讲授数据挖掘课程。个人主页上有他发表的数据挖掘相关论文,课程信息,还有一些推荐书籍和源代码。

6.Mohammed J. Zaki
http://www.cs.rpi.edu/~zaki/index.php
数据挖掘牛人,个人主页里面有很多精辟的papers,还有课程,相关的源代码,非常的经典。偶像啊O(∩_∩)O~

7.Qiang Yang
http://www.cse.ust.hk/~qyang/

8.Wei Wang
http://www.cs.unc.edu/~weiwang/
数据挖掘牛人,个人主页里面有papers,还有教授的数据挖掘课程,生物信息学课程课件。课件非常好,很适合学习,喜欢看她的课件。

9.周志华
http://cs.nju.edu.cn/zhouzh/
南京大学数据挖掘牛人,个人主页里面有数据挖掘相关很多资源,收集了国外很多大学的数据挖掘课程。
已有 1 人评分论坛币 热心指数 信用等级 收起 理由
chenyi112982 + 100 + 1 + 1 奖励积极上传好的资料

总评分: 论坛币 + 100  热心指数 + 1  信用等级 + 1   查看全部评分

使用道具

回帖奖励 +8

大学课程、在线教程

Stanford课程:CS246 Mining Massive Data SetsCS246H Mining Massive Data Sets: Hadoop LabsCS341 Project in Mining Massive Data Sets,配套书籍 Mining of Massive DatasetsDataMiningTalk

CMU课程:Data Mining: Spring 2013Statistics 36-350: Data Mining (fall 2009)

南京大学课程:Introduction to Data Mining

Coursera:Data Mining Specialization

 

专著、书籍

Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, 2015; PPT;中文译本:大数据-互联网大规模数据挖掘与分布式处理;

Data Mining: The Textbook, Charu C. Aggarwal, 2015; 资源链接;

Data Mining: Concepts and Techniques (3rd ed.), Jiawei Han, Micheline Kamber, Jian Pei, 2011; PPT;中文译本:数据挖掘:概念与技术;

Data Mining and Analysis: Fundamental Concepts and Algorithms, Mohammed J. Zaki, Wagner Meira Jr, 2014; 作者网站;

Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar, 2006; PPT;中文译本:数据挖掘导论;

A Practical Guide to Data Mining for Business and Industry, Andrea Ahlemeyer-Stubbe, Shirley Coleman, 2014; PPT;

Data Mining: Practical Machine Learning Tools and Techniques (3rd ed.), Ian H. Witten, Eibe Frank, Mark A. Hall, 2011; PPT;中文译本:数据挖掘:实用机器学习工具与技术;

Programming Collective Intelligence: Building Smart Web 2.0 Applications, Toby Segaran, 2007; 中文译本:集体智慧编程。

 

学术论文

顶级会议:KDDICDE

更多会议期刊见:Google Scholar DMMicrosoft academic DMKDnuggets DM Conferences

 

学习网站

KDnuggets:各种资源,博文,课程、软件、Datasets等链接;

国内的两个网站:我爱机器学习机器学习日报

Data Sets:UCI Machine Learning RepositoryPublic datasets for machine learning

Competitions:KaggleDMCKnowledge PitTunedITDrivenData

这里也整理了一些资源,这里整理了数据挖掘博客。

已有 1 人评分论坛币 热心指数 信用等级 收起 理由
chenyi112982 + 100 + 1 + 1 奖励积极上传好的资料

总评分: 论坛币 + 100  热心指数 + 1  信用等级 + 1   查看全部评分

使用道具

数术 在职认证  发表于 2016-12-7 10:54:11 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

坚持参与推荐资源的好活动。

数据挖掘的一些学习资源/主要是网站
1.Statistical Learning Theory from Berkeley
This course will provide an introduction to probabilistic and computational methods for the statistical modeling of complex, multivariate data. It will concentrate on graphical models, a flexible and powerful approach to capturing statistical dependencies in complex, multivariate data. In particular, the course will focus on the key theoretical and methodological issues of representation, estimation, and inference.

2.Data Mining from Stanford
This will also be helpful.

3.The Lasso Page(略有点old)
The Lasso is a shrinkage and selection method for linear regression. It minimizes the usual sum of squared errors, with a bound on the sum of the absolute values of the coefficients. It has connections to soft-thresholding of wavelet coefficients, forward stagewise regression, and boosting methods.

4.Data Mining Tutorials
This is a really informative website with tutorials on statistical data mining. They were written by Andrew Moore an employee at Google. He covers the foundation of data analysis, including decision trees, Bayesian classifiers and many other techniques we've been learning in class. I great website to check out if you're having trouble with any topics or simply would just like to learn more.

5.Data Mining Research
This is a comprehensive blog about the latest developments in data mining research. Provides a great overview of what scholars and professionals are talking about with regards to the discipline. The individual who started this blog is a working professional in the field, working for FinScore, a Swiss provider of software and professional services focusing in data mining and customer intelligence. A couple very interesting and insightful posts from the blog include: “10 Very Interesting People in Data Mining,” “Data Mining: A New Weapon in the Fight Against Medicaid Fraud,” and “Worst practices in Data Mining.” Stephanie Santoso

6.Statistical Learning Article
An article on the elements on statistical learning, how data mining is used to give predictions. Azai Ighadaro

7.Kernel-Machines.Org
This page is devoted to learning methods building on kernels, such as the support vector machine. It grew out of earlier pages at the Max Planck Institute for Biological Cybernetics and at GMD FIRST, snapshots of which can be found here and here. In those days, information about kernel methods was sparse and nontrivial to find, and the kernel machines web site acted as a central repository for the field. It included a list of people working in the field, and online preprints of most publications.

8.Welcome to Boosting.org
We are pleased to announce a new website on Boosting and related ensemble learning methods, e.g. Boosting, Arcing, Bagging, the connection to mathematical programming and large margin classifiers, and model selection. The aim is to serve as a central information source by providing links to papers, upcoming events, datasets, code, etc.
9.Perfectly Random Sampling with Markov Chains
Random sampling has found numerous applications in physics, statistics, and computer science. Perhaps the most versatile method of generating random samples from a probability space is to run a Markov chain. This site provides a comprehensive collection of this area!

10.Independent Component Analysis
A Tutorial

11.Self Organizing Maps
An excellent short introduction

12.Reversible Markov Chains and Random Walks on Graphs
Early drafts of chapters are available as PDF files

13.A Brief Introduction to Graphical Models and Bayesian Networks
"Graphical models are a marriage between probability theory and graph theory. They provide a natural tool for dealing with two problems that occur throughout applied mathematics and engineering -- uncertainty and complexity -- and in particular they are playing an increasingly important role in the design and analysis of machine learning algorithms. Fundamental to the idea of a graphical model is the notion of modularity -- a complex system is built by combining simpler parts. Probability theory provides the glue whereby the parts are combined, ensuring that the system as a whole is consistent, and providing ways to interface models to data. The graph theoretic side of graphical models provides both an intuitively appealing interface by which humans can model highly-interacting sets of variables as well as a data structure that lends itself naturally to the design of efficient general-purpose algorithms.

14.Gaussian Processes for Machine Learning
The bayesian approach for data mining.

已有 1 人评分论坛币 热心指数 信用等级 收起 理由
chenyi112982 + 100 + 1 + 1 精彩帖子

总评分: 论坛币 + 100  热心指数 + 1  信用等级 + 1   查看全部评分

使用道具

wwqqer 在职认证  发表于 2016-12-7 11:08:58 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

已有 1 人评分学术水平 热心指数 收起 理由
chenyi112982 + 5 + 5 精彩帖子

总评分: 学术水平 + 5  热心指数 + 5   查看全部评分

使用道具

zgs3721 发表于 2016-12-7 11:10:30 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

谢谢楼主

使用道具

juliewong 在职认证  发表于 2016-12-7 11:21:43 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

谢谢分享。

使用道具

smartlife 在职认证  发表于 2016-12-7 11:27:56 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

使用道具

yooba 发表于 2016-12-7 11:28:50 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

非常感谢楼主分享这些精华内容!

使用道具

tbs20 发表于 2016-12-7 11:39:10 |显示全部楼层 |坛友微信交流群

回帖奖励 +8

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加JingGuanBbs
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-3-29 14:46