摘要：
第一赛季结束了，以往都是在网上找到有用的博客摘抄过来，这次参加比赛，难得有些切实体验，恰好好久没动手写东西了，这次就动动手，动动脚。。。流水账式的记录开始 刚拿到数据，首先想到就是SVD，嘿嘿，这个东西学了这么久，正好碰到这么多的数据，那么多的维度（每个用户对应那么多商品，商品又有那么多用户购... 阅读全文
摘要：
矩阵分解在推荐系统中的应用 浅谈矩阵分解在推荐系统中的应用 SVD在推荐系统中的应用 用于推荐系统的一种矩阵分解库：LibMF 基于矩阵分解的推荐算法，简单入门 - kobeshow 机器学习中的范数规则化之（一）L0、L1与L2范数 浅谈矩阵分解在推荐系统中的应用 Regression Shrin 阅读全文
摘要：
数据挖掘与机器学习(非参数统计) 阅读全文
摘要：
核密度估计Parzenwindow概率密度估计核估计 parzen窗 阅读全文
摘要：
超详细的EM算法理解 （好理解，加精） 梯度下降和EM算法：系出同源，一脉相承 (刷新认识，连接很多知识点) EM算法存在的意义是什么？ - 史博的回答 - 知乎 （理解后，可通天） 大数据经典算法EM算法 讲解 （EM算法）The EM Algorithm 混合高斯模型（Mixtures of G 阅读全文
摘要：
LDA(Latent Dirichlet Allocation)主题模型算法（初略讲了下，可以对LDA有个大概认识） 建议的程序员学习LDA算法的步骤（作者的切身体会，赞） “眼泪”与“门外汉”——向自然语言处理的大牛们学习 主题模型-LDA浅析(浅显易懂) LDA学习总结 LDA入门级学习笔记 L 阅读全文
摘要：
用混合核密度方法对人的位置建模这是一篇2014KDD,地理位置服务方面的论文。1）首先，提出针对个人粒度，预测位置分布有两大挑战a)数据稀疏b)空间模型异构2）接着，先提到在离散空间预测领域，已经有不少研究成果；但在连续空间预测，还有欠缺，这也是该文章的主攻方向。3）然后，针对该问题，提出高斯核密度... 阅读全文
摘要：
Prediction of Human Emergency Behavior and theirMobility following Large-scale Disaster预测人的应急行为和在大规模灾难后的人群流动这是一篇2014KDD,地理位置服务方面的论文。简略分析：1）该论文有较好的现实依据... 阅读全文
摘要：
这是一篇2014KDD,地理位置服务方面的论文。论文内容：1）首先，作者提出了一个有价值的问题：给出租车司机推荐能够以最少代价载到客人的路线2）其次，问题的新颖性是，以前都是推荐分散的点，本论文是推荐路线，可以说提供的位置服务更进一步3）然后，指出该问题的两个子问题：a)如何计算每条路段的收益b)如... 阅读全文