机器学习日报 2015-02-12 特征工程系列文章

@好东西传送门 出品, 过刊见 http://ml.memect.com

订阅：给 [email protected] 发封空信， 标题: 订阅机器学习日报

可点击加长版31条 http://ml.memect.com/archive/2015-02-12/long.html

特征工程系列文章

@爱可可-爱生活

关键词：经验总结, 算法, Python, 博客, 集成学习, 特征工程

[文章]《Selecting good features》特征工程系列文章：Part1.单变量选取 [1] Part2.线性模型和正则化 [2] Part3.随机森林 [3] Part4.稳定性选择法、递归特征排除法(RFE)及综合比较 [4] 内容很赞，还有Python代码示例，强烈推荐！

[1] http://blog.datadive.net/selecting-good-features-part-i-univariate-selection/

[2] http://blog.datadive.net/selecting-good-features-part-ii-linear-models-and-regularization/

[3] http://blog.datadive.net/selecting-good-features-part-iii-random-forests/

[4] http://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everyting-side-by-side/

长微博图： http://ww2.sinaimg.cn/large/5396ee05jw1ep6a5lq5dqj20kq2q1npd.jpg

CRF随机场 as RNN循环神经网络

@Copper_PKU

关键词：深度学习, 算法, 资源, CRF, PDF, 论文, 神经网络

Conditional Random Fields as Recurrent Neural Networks link： [1] 就喜欢这种把model串起来的工作方便理解和泛化。paper将mean-field inference每次迭代过程和CNN对应上，整个inference过程对应为一个Recurrent NN 这是这几天arxiv中算有意思的paper @火光摇曳Flickering

[1] http://arxiv.org/pdf/1502.03240.pdf

江辉：HOPE神经网络学习的新框架

@鲁东东胖

关键词：江辉, 论文

推荐一下York University 江辉老师的最新工作： [1]

[1] http://arxiv.org/abs/1502.00702

Bengio团队的新自动图像标题论文

@金连文

关键词：经验总结, 视觉, Yoshua Bengio, 博客, 论文

又见Automatic Image Captioning（AIC）论文，来自Yoshua Bengio教授团队（22 pages， 8页正文+n多附图） [1] ，文中报道的结果比之前Microsoft、Google的结果更好。 此前还看到过今年一篇介绍Image Caption Generation的博文： [2] ，内容够up-dated，还不错！

[1] http://arxiv.org/abs/1502.03044

[2] https://pdollar.wordpress.com/2015/01/21/image-captioning/

torch vs theano

@cswhjiang

关键词：深度学习, Python

torch vs theano [1]

[1] http://fastml.com/torch-vs-theano/