在上一期基于协同过滤的的推荐场景中，我们介绍了如何通过PAI快速搭建一个基于协同过滤方案的推荐系统，这一节会介绍一些如何基于推荐对象特征的推荐方法。

摘要： 本文简要介绍图像检测中常用的深度学习方法——RCNN家族系列算法，以图像讲解形式，便于理解。

training data $\{(x_i, y_i, r_i)\}_{i=1}^N, r \in \{+1,-1\}$ or $r_i \in R $

因为有Scikit-Learn这样的库，现在用Python实现任何机器学习算法都非常容易。实际上，我们现在不需要任何潜在的知识来了解模型如何工作。虽然不需要了解所有细节，但了解模型如何训练和预测对工作仍有帮助。比如…

在最简单的二分类中，逻辑回归里样本发生的概率的值域为 [0, 1]，对于线性回归 $\hat{y} = \theta^T·x_b$，为了将 $\hat y$ 映射到值域 [0, 1] 中，引入了 $\sigma$ 函数得到了概率函数 $\hat p$，即：

摘要： 现在网络上充斥着大量关于神经网络的消息，但是，什么是神经网络？其本质到底是什么？用几分钟阅读完这篇文章，我不能保证你能够成为这个领域的专家，不过你已经入门了。

这是一个为你提供完美数据，为你提供实际应用场景，可以与小伙伴在数据挖掘领域 high 的不要不要的的地方啊！！！

我已经看到了很多人对TensorFlow的tf.Graph和tf.Session的规则感到困惑。其实很简单：

假设曲线表达式为：$y=ax^2+bx+c$，如果将 $x^2$ 看作为 $x_1$，即 $y_1=ax_1+bx+c$，此时就有了两个特征，则可以看作是线性曲线表达式。

摘要： 这篇文章主要讲述了机器学习的相关内容，阐述了机器学习的主要意义和形成过程。区别了机器学习与AI、深度学习、神经网络等专业词汇。