摘要：
编辑部按：本文转载Yang Can主页中的文章，稍有修改，原文链接请点击此处。作者简介：杨灿，香港科技大学电子与计算机工程系。主页：http://ihome.ust.hk/~eeyang/index.html在港科大拿到PhD，做的是Bioinformatics方面的东西。Bioinformatics这个领域很乱，从业者水平参差不齐，但随着相关技术（比如Microarray, Genotyping）的进步，这个领域一直风风光光。因为我本科是学计算机电子技术方面的，对这些技术本身并没有多大的兴趣，支持我一路走过来的一个重要原因是我感受到统计学习(Statistical learning)的魅力。 阅读全文
摘要：
Posted byAndrewon 18 March 2013, 10:55 amLasso and meFor a long time I was wrong about lasso.Lasso (“least absolute shrinkage and selection operator”) is a regularization procedure that shrinks regression coefficients toward zero, and in its basic form is equivalent to maximum penalized likelihood e 阅读全文
摘要：
ICML2012 paper下载地址，感谢丹柯提供: http://icml.cc/2012/papers/个人比较感兴趣的，跟推荐系统相关的几篇文章:1. 在有query的场景下，向用户推荐itemLatent Collaborative RetrievalJason Weston, Chong Wang, Ron Weiss, Adam Berenzweig2. Yan Liu的新作, 通过层次bayesian模型融合topic model和矩阵分解，分析用户隐含喜好，然后做推荐Collaborative Topic Regression with Social Matrix Factor 阅读全文
摘要：
Netflix的推荐和个性化功能向来精准，前不久，他们公布了自己在这方面的系统架构。3月27日，Netflix的工程师Xavier Amatrain和Justin Basilico在官方博客发布文章，介绍了自己的个性化和推荐系统架构。文章开头，他们指出：要开发出这样的一个软件架构，能够处理海量现有数据、响应用户交互，还要易于尝试新的推荐方法，这可不一点都不容易。接下来，文章贴出了他们的系统框架图，其中的主要组件包括多种机器学习算法。他们这样解释其中的组件和处理过程：对于数据，最简单的方法是存下来，留作后续离线处理，这就是我们用来管理离线作业（Offline jobs）的部分架构。计算可以以离线 阅读全文