探索机器学习：第十五日数据集资源

感谢大牛整理的机器学习资源：https://github.com/Flowerowl/Big_Data_Resources#大数据-数据挖掘

ScalaMl: 面向机器学习的 Scala 版本 0.99.1 © Patrick Nicolas，版权所有，2013-2016 概述 ScalaMl 的源代码为软件开发人员提供了一个关于机器学习算法差异的广泛视角。它面向具备一定 Scala 编程语言基础和基本统计知识的读者，并不要求读者具备数据挖掘和机器学习的经验。 源代码指南 源代码使用指南在 SourceCodeGuide.html 文档中进行详细说明。 示例应用 代码示例主要与投资组合管理和交易策略相关。 深入学习 对于对数学或库中实现的技术感兴趣的读者，建议参考以下书籍： “机器学习：概率论” K. Murphy-麻省理工学院出版社-2012 “统计学习的要素” T. Hastie，R.Tibshirani，J.Friedman-施普林出版社

数据集包含时间、季节、温度、湿度、风速等多项数据。我们可以探索以下几个问题：1. 共享单车用户总体使用趋势如何？是增长还是减少？2. 季节对共享单车使用的影响如何？夏季炎热、冬季寒冷，春秋适宜的天气是否影响骑行人群的偏好？3. 一天24小时内，共享单车使用量是否有显著变化？时间与共享单车使用的关联如何？4. 天气条件对共享单车使用的影响是什么？一般来说，良好的天气是否会增加骑行人数？5. 风速、温度等因素对共享单车使用的影响是怎样的？哪种风速、什么样的温度最适合骑行？6. 注册用户和非注册用户的租车情况之间是否存在某些潜在的关系？数据集完整且无缺失值，未经过预处理。

这篇文章的内容较为概要，主要用于初学者入门。

基于机器学习的语音驱动人脸动画技术方法

Weka是一款由新西兰怀卡托大学机器学习实验室开发的开源工具，广泛应用于数据挖掘和数据分析。这一包含189个不同数据集的资源集合，涵盖了多个主题，如天气情况、车辆属性和肝脏肿瘤等。每个数据集都提供了丰富的实践材料，支持ARFF（Attribute-Relation File Format）文件格式，适用于结构化和非结构化数据的存储。用户可以通过Weka探索、预处理、特征选择、模型训练和优化，执行分类、回归、聚类和关联规则学习等多种机器学习任务。

第十四天的学习，专注于深入探索MySQL数据库。

Spark作为大数据处理领域的主要框架，以其高效且易用的特点受到开发者的青睐。在机器学习领域，Spark通过其MLlib库提供了广泛的算法支持，使大规模数据上的模型训练和预测变得更加便捷。本资源“MachineLearningSpark.zip”专为学习者提供，帮助理解和应用Spark进行机器学习。MLlib库涵盖了监督学习（如逻辑回归、决策树、随机森林等）和无监督学习（如K-Means、PCA等）算法，基于分布式计算处理PB级别数据。通过DataFrame和RDD，Spark提供了高效的数据处理和并行计算能力。资源包含示例代码、数据集、说明文档和机器学习管道示例，帮助学习者掌握数据加载、特征工程、模型训练、评估等关键概念。

作为计算机科学与信号信息处理领域的热门研究方向，机器学习在数据挖掘、大数据分析、视频技术、音频技术以及智能机器人技术等多个领域扮演着关键核心与支撑技术的关键角色。本资源提供的课件与代码涵盖了学生需要了解的主流机器学习理论、方法及算法，并结合应用范例帮助学生掌握监督学习、非监督学习、统计学习、计算学习以及贝叶斯学习等基本学习理论、模型算法及应用。