《Stellar Wanderer 》知名发行商Crescent Moon推出的一款以太空征战为题材的RPG新作品，玩家在游戏里将驾驶太空战机在星际间探索和战斗。
扫描下载兔兔助手
需使用兔兔助手扫描下载
《圣剑传说：最终幻想外传》为 1991年GB版的完全重制版，游戏的画面与操作感均焕然一新，并收录了由伊藤贤治新创作的混编曲。游戏剧本完全在一片悲伤和无奈中展开，主角是一名帝国的角斗士，每日都要用生命与怪兽战斗，看着身边的朋友一个一个死去却无力还天。一天当主角最好的朋友临死之前告诉他世界的玛娜力量快要消失了，并嘱咐主角逃出这里去寻找玛娜骑士。主角在逃走时候却不幸遇袭而跌下瀑布，在机缘下救到一名有着神秘身份的女子，为了解开玛娜之谜正式展开了他的旅程。最后主角虽然用圣剑打倒了敌人，但作为玛娜女神女儿的女主角却化作了新的玛娜之树。
扫描下载兔兔助手
需使用兔兔助手扫描下载
这是一款集悬疑＋推理＋侦探为一体的文字解谜游戏。游戏中你将作为X警探带领你的侦查组攻破一个个扑朔迷离的案件。
第一部：说谎者。是你上任接手的第一个案件。你能否通过敏锐的判断，理智的分析和冷静的思考作出最正确的选择。最终带领你的警员Ryan和Jimmy找到凶手。你的选择将直接关系到游戏的成功与失败。
这一部的剧情发生在圣彼得大教堂。虔诚的教徒 John随着神像背后发出的枪声倒在了血泊中。你能否找到那个邪恶的凶手？
一点点小提示：
结局不止一个。你能否在找到凶手的同时破获与这个案件相关的另一个案件。
游戏功能：
＊ 重新开始：你可以在任意时刻选择重新开始游戏。
＊ 快速模式：通关一次后可以启用快速模式来去掉游戏中的等待时间。
＊ 重新选择：你可以随时反悔你之前的选择，并改变故事之后的发展方向。
欢迎广大玩家为我们提供故事素材，有兴趣的请发邮件到：。
扫描下载兔兔助手
需使用兔兔助手扫描下载
Discover a long lost prehistoric world and rule over it as an all mighty Dinosaur! Travel back to a time when monstrous carnivores roamed the Earth and exotic plant life filled dangerous jungles! For the first time ever, choose from TEN PLAYABLE DINOSAURS! Hunt down food, raise a family of dinos, and battle for your life against fierce bosses like the Spinosaurus!
Download the Ultimate Dinosaur Simulator today while it's 50% OFF for a very limited time!
Brand New Features
REALISTIC SIMULATOR
You'll need to maintain your health, hunger, thirst, and energy while ruling over your dinosaur’s ancient territory!
TEN PLAYABLE DINOSAURS
For the first time ever, you can choose from multiple animals in a single game! Become any of ten famous dinosaurs and mammals like the Tyrannosaurus Rex, Velociraptor, Sabertooth Tiger, or even choose a flying dinosaur like the Pterodactyl or a swimming dinosaur like Mosasaurus! Each species has their own families, experience, and levels!
DEADLY BOSS BATTLES
Test your skills against SIX thrilling boss battles! A massive spined creature lurks in the murky water of the swamp! Engage in battle with the legendary Plesiosaur to claim dominance over it’s waters!
BUILD YOUR PACK
Dominate other dinosaurs and recruit them to your pack! Customize and play as any Dinosaur in your pack and create a powerful family of predators!
HATCH DINO EGGS
Breed baby dinos that will grow into powerful members of your pack! Care for you eggs while they are hatching and then play as your new baby dinosaur!
CUSTOMIZE YOUR DINOSAURS
Choose your dino's name, appearance, skills, and attributes to complement your pack members and become a more powerful group!
LEVEL UP YOUR DINOSAURS
Gain experience by defeating dangerous enemies, caring for your family, and completing missions! Level up your dinosaurs to increase their health and attack damage, earn points to upgrade your dinosaur’s stats, and increase the size of your pack!
EARN STAT POINTS
Stat Points can be used to provide bonus’s to traits like Health, Critical Attack Chance, Run Speed, and much more!
UPGRADEABLE BUFFS
Buff Points can be used to upgrade your Roar and Snarl Buffs, which create temporary Stat Boosting auras around your dinosaur when active!
RAGDOLL PHYSICS
Your prey now realistically dangles from your claws as you carry them!
DYNAMIC WEATHER AND DAY/NIGHT CYCLE
Procedural weather system with unique storms, clouds, sunrise, sunset and the return of the cataclysmic Extinction Meteor Shower!
MASSIVE REALISTIC 3D ENVIRONMENT
Rule over a world so big we created FIVE unique lairs for your dinosaurs to live in! Explore snow covered mountains, dense jungles, murky swamplands, beaches, and even hunt underwater!
PREHISTORIC ENEMIES
Hunt down jurassic animals like the T. Rex, Raptor, Brachiosaurus, Pterodactyl, Triceratops, Stegosaurus, Ankylosaurus, Dilophosaurus, Allosaurus, Sabertooth Tiger, Mastodon, Plesiosaur, Spinosaurus, Mosasaurus, Gastornis, Parasaurolophus, Compsagnathus, and more!
OPTIONAL BLOOD EFFECTS
If you are of age or have your parents permission, turn on the BRAND NEW blood effects for added combat ferocity!
GLUTEN-FREE PROMISE
With all of our games you will always get the full game with no ads or additional purchases!
Download the Ultimate Dinosaur Simulator to transport yourself to the Jurassic era and survive in a world of gigantic predators as an all mighty Dinosaur!
If you liked living as a Dinosaur then you'll love our other animal simulators! Download our Ultimate Wolf Simulator and live a wild life in the forest, or turn the Ultimate Dragon Simulator and burn kingdoms to the ground and steal their treasure!
Give us a shout and let us know what you want to play next!
//glutenfreegames
扫描下载兔兔助手
需使用兔兔助手扫描下载
《Iron Quest》是一款像素风形式的RPG游戏，游戏的玩法主要分为合成，收集，作战这三种主要形式，其玩法也借鉴了扫雷、回合制RPG等经典元素，别具一格的同时也组合得相当合理。
扫描下载兔兔助手
需使用兔兔助手扫描下载
适用於ios7.1及以上系统。兼容iPhone5, iPhone5s, iPhone5c, iPhone6,iPhone6s,iPhoneSEiPad Air, iPad Air2, iPad Mini2, iPad Mini3,iPad Pro。
--献给所有热爱RPG动作游戏的玩家--
--全3D打造纯正暗血风格--
--纯手工绘制贴图避免视觉疲劳--
--悠远的故事背景，完整的故事剧情--
--倡导绿色健康游戏，精灵女神温馨提示--
--游戏内容完善，技能酷炫--
--------------------------------------------------------------
***《暗黑屠魔者》是一款纯正暗黑风游戏，打击感强，可操作性强，有闯关战斗，BOSS战，精英关卡战斗，PVP战斗，等多种战斗方式***
***玩家通过可以关卡，失落宝库等地方获得装备***
***游戏为玩家提供了完善的武器升级系统，玩家可以通过锻造，打孔，镶嵌，来提升装备战斗力***
***游戏在每个等级，每个时段，每个PVP段位都给与丰厚的奖励，还设计出了未来的自己，供玩家挑战***
***每个角色都有八个主动技能供玩家操作，十个被动技能，玩家可以通过熔炼装备提升自己的声望值，然后根据声望值的要求提升被动技能***
***每个BOSS关卡都异常难打，不过只要能通关，便可以看到精美的剧情插图***
---------------------------------------------------------------
游戏特色：
【史诗级的游戏画面有很强的代入感，让玩家通过插图就可以了解到游戏剧情】
【游戏世界观是建立在文艺复兴之前魔幻体系，神，人类，恶魔三者之前的博弈，玩家可以通过游戏寻找邪恶力量的根源】
【用心的游戏音乐，把玩家带进一个新的世界，在这里玩家可以体验阴森的地下王国，炙热的炼狱，蛮横的僵尸王和拥有强大力量的火焰王子】
【游戏拥有，闯关系统，锻造系统，商城，失落宝库，技能系统，打孔系统，熔炼系统，PVP系统，VIP系统，声望系统，抽奖系统....等等，每一个功能都经过了反复优化，这绝对是良心之作】
---------------------------------------------------------------
（感谢苹果的itunes和App Store为开发者做出的贡献）
扫描下载兔兔助手
需使用兔兔助手扫描下载
《Squareface》是一款冒险题材射击作品，游戏的背景发生在玩具世界，玩家需要扮演一名纸盒人与万恶的僵尸大军战斗，完成一个个NPC发布得任务！
扫描下载兔兔助手
需使用兔兔助手扫描下载
诸神战纪IV，带您再次进入诸神世界！
国产游戏良心之作！
永晨游戏历时20个月，倾心打造的一款q版动作类角色扮演游戏！
耳熟能详的英雄，继续着他们的冒险故事，创造新的传奇！
官方Q群：诸神战纪
百度贴吧：诸神战纪吧
新浪博客：.cn/ychengame
u77小游戏 编辑推荐！
诸神战纪II：死神归来，告诉你主角们的前程往事！
火之国王子和风之领主的继承者，跟随着前辈雷修的脚步，封印邪恶火神，再次迎来诸神世界的和平与繁荣
◎◎◎游戏特点:
1。全新的制作方式：诸神系列第一次采用高清q版风格继续脍炙人口的冒险传奇
2。首次采用双主角的模式，让您一次游戏，进行两次不同的冒险体验！
3。更多的换装，所有的装备都有自身不同的avatar，全新的套装系统，让玩家能够随意组合装备特效，让游戏更加丰富有趣
3。宠物助战，多达近40种神态各异的萌宠等待的你的收集，所有的宠物都可以在所有的战斗中得到宠物碎片，从而合成出强力，q萌的助战！
4。曲折离奇的故事主线，带您进入诸神的世界，让您欲罢不能
5。多达72个关卡的主线任务，杀时间的利器！
6。丰富的每日登陆奖励，每日任务，不需要花费任何内购，都可以快乐地玩耍
扫描下载兔兔助手
需使用兔兔助手扫描下载
《Aralon：Forge and Flame》（阿瓦隆：炉之火）是开发商 Crescent Moon 与 Galoobeth Games 合作开发的一款幻想风RPG游戏，早在 2014年初就已经进行制作，并在今年 GDC游戏展上展示了游戏的试玩内容。
扫描下载兔兔助手
需使用兔兔助手扫描下载
当 Yhrosian 帝国的腐败势力威胁到 Ethenia 安详平和的正常生活时，将有一名英雄挺身而出，保卫这颗星球及其子民。
英雄的崛起
玩家将通过“Comic GameBook（漫画游戏书）”的方式和光明圣徒 Nate 一起踏上救世旅途，获得前所未有的崭新体验！
经过 300 年的沉睡，被战争蹂躏的世界将 Nate 从睡梦中唤醒。这颗星球上的环境被大肆破坏，逐步走向毁灭。
只有 Nate 和另外 4 名仅存的圣徒知道让星球上的环境重归平衡的方法，拯救世界于水火之中。
个性化的游戏，一切随您选择
Light Apprentice（光明圣徒）通过一种全新的方式对漫画和游戏加以诠释。
你的决策和行为将决定 Nate 和其他圣徒具备哪种角色特性。
在游戏中可以收集各种收藏品和补充物品，自定义和培养你的角色，和怪物作战或者与他们交朋友，还可自行决定如何展开 Nate 的救世之旅。
— 这款根据漫画改编的游戏可让玩家自行决定游戏选项，影响故事的发展走向
— 角色可完全自选：无论是战士还是和平主义者，完全随你喜好
— 收集物品和装备可提升角色属性
— 可以借用多种怪物和终极大怪，也可饶恕它们
— 独特的手绘画面风格
— 史诗般宏伟，情节跌宕起伏的剧情
— 可在 iCloud 上保存游戏进度
扫描下载兔兔助手
需使用兔兔助手扫描下载
《古剑奇谭壹之莫忘初心》是由网元圣唐官方授权、蓝蛙互动开发、龙图游戏独家发行的首款《古剑奇谭》正版授权手游。游戏故事紧承《古剑奇谭》一代结局，恢弘剧情再度展开，百里屠苏、风晴雪、襄铃、方兰生等经典角色将悉数登场，影视级剧情表现带来超强代入感。本作采用全新竖版仙侠战斗模式，Unity 3D引擎打造震撼3D游戏画面。针对手机平台特别优化的点触技能释放系统，配合跳跃、飞行设定，让战斗节奏简洁明快； “御剑飞行”飘逸隽永，仙侠韵味再度升级；“前尘往事”则是为每个角色度身定制的专属剧情副本，带玩家体验每个人物的前世今生、爱恨情仇。BOSS战与QTE相结合，紧张刺激酣畅淋漓。装备、技能、觉醒、太虚幻境等丰富的养成要素让游戏乐趣更加多元化，带来全方位的仙侠体验。
还原经典，全新体验，掌中古剑，指尖奇谭。
扫描下载兔兔助手
需使用兔兔助手扫描下载
Tales of a Viking: Episode One is a small-scale turn-based strategy game with rpg elements.
- Tactical battles where every move decision counts.
- Strategy choices when leveling up your heroes.
- Random loot from chests and randomly generated levels provides rich replayability.
- Up to three constant party members under your control.
- Some vicious bosses to fight with. Teamwork is advised!
- Global scoreboard.
扫描下载兔兔助手
需使用兔兔助手扫描下载主題已鎖定。
Stat Padding Server
Are they allowed as checking a player & hang outs (looked dodgy)
came across what obviously looks like one.....
If they're not how can they be reported.
Stat padding is not allowed but EA allows those servers ......
Guessed....double standards...
To report servers, submit a report to EA:
1. Go to Contact Us page:
[]
2. For Product, select your game name.
3. For Platoform, select your platform.
4. For Category, select "Report Cheating/Harassment" and describe your issue.
5. Be sure to include as much information as possible regarding the server, this can include screenshots, videos and any other relevant evidence.
Regarding players, you can report them by going to their profile and locating the /!\ icon to the top right of their profile. There you you can select to report a player for cheating or boosting. Fill in as much information as possible.
I am a Battlelog Moderator and do not officially represent EA/DICE/VISCERAL. Blue post = action taken in line with the rules, non-blue posts are my own posts.
EA doesn't allow the servers. No double standards. Just report them
The-_-_-Sh3riff said:EA doesn't allow the servers. No double standards. Just report them
Then why is nothing done about it, just like in BF3 ?
Double standards ? YES
00:35 , 已編輯
00:47 發表人: Millerq3
Cryphisss said:To report servers, submit a report to EA:
1. Go to Contact Us page:
[]
2. For Product, select your game name.
3. For Platoform, select your platform.
4. For Category, select "Report Cheating/Harassment" and describe your issue.
5. Be sure to include as much information as possible regarding the server, this can include screenshots, videos and any other relevant evidence.
Regarding players, you can report them by going to their profile and locating the /!\ icon to the top right of their profile. There you you can select to report a player for cheating or boosting. Fill in as much information as possible.
I'll report & watch in anticipation :/
6Tn1ne said:The-_-_-Sh3riff said:EA doesn't allow the servers. No double standards. Just report themThen why is nothing done about it, just like in BF3 ?
Double standards ? YES
Obviously YES
After following your advice there seams to be no "Report Cheating/Harassment" ...only
"Report concerns or harassment
Codes and promotions
Game information
Manage my account
Missing content
Orders
Report a bug
Technical support"
Please advise which one
The-_-_-Sh3riff said:EA doesn't allow the servers.
But they also made them harder to report by removing the triangle Report button like they have on posts and players.
Look at the bigger picture & how EA benefit from such servers....quiet interesting once you piece the jigsaw together (freetime...servers..legit players..)
PatchAddams said:The-_-_-Sh3riff said:EA doesn't allow the servers.But they also made them harder to report by removing the triangle Report button like they have on posts and players.That was stupid but it doesn't mean they allow it. Just read the ToS
The-_-_-Sh3riff said:PatchAddams said:The-_-_-Sh3riff said:EA doesn't allow the servers.But they also made them harder to report by removing the triangle Report button like they have on posts and players.That was stupid but it doesn't mean they allow it. Just read the ToS
Pistol knife only, bolt sniper only , shot gun only, list goes on IMO that is stat padding (boosting as the console boys say)
it creates an un natural scoring system, also against the TOS but MODs on here say that's OK the confusion deepens.
What's the point of stat padding?
Since it doesn't do anything, I can't even be bothered to report those servers.
Also, is it even allowed to ban weapons from a server?
Like no explosives or no shotguns...
That can't be allowed as well then?
Yet, we all see those servers in the browser every time we play.
The-_-_-Sh3riff said:PatchAddams said:The-_-_-Sh3riff said:EA doesn't allow the servers.But they also made them harder to report by removing the triangle Report button like they have on posts and players.That was stupid but it doesn't mean they allow it. Just read the ToS
True -- it just makes it seem like they don't care though.
Nice Payday gravatar BTW. Fun game.
Some ppl think EA are the illuminatiIf you don't like the server just find anotherNot trolling btw
17:07 , 已編輯
17:09 發表人: The-_-_-Sh3riff
PatchAddams said:The-_-_-Sh3riff said:PatchAddams said:The-_-_-Sh3riff said:EA doesn't allow the servers.But they also made them harder to report by removing the triangle Report button like they have on posts and players.That was stupid but it doesn't mean they allow it. Just read the ToSTrue -- it just makes it seem like they don't care though.Nice Payday gravatar BTW. Fun game.Yeah EAs attention to BF4 pretty much died last year. They're focusing on Battlefront.. Oh and PayDay 2 was great until the microtransactions and constant DLC. But I like the masks@worksop those servers aren't the same as flagrun servers or servers where people mutually agree to sit in one place and constantly grind kills on each other, which are both statpadding. In pistol servers the players have to agree with server rules but not with other players. The element of competitiveness and skill exists in pistol only servers, as bad players will do bad, and good players would do well- just like 'normal' servers. EA/DICE allows that. Otherwise what would be the point of EA allowing custom servers, rules and plugins? They may aswell lock down all servers to Official only.
OP why do you even care ? Just find another server. No need to even post about it. Stupid
???? ????? ????? ?????
I had my reason as I suspected a player (its stated in the first post
You sir didn't have to reply.(reported)
Pistol knife only, bolt sniper only , shot gun only, list goes on IMO that is stat padding (boosting as the console boys say) it creates an un natural scoring system, also against the TOS but MODs on here say that's OK the confusion deepens.
IMO (and it's just my opinion) those servers are not stat padding since everyone there is on an equal footing and they'll all trying to play a real game albeit with a short list of weapons.
In my view a stat-padding server is one in which there is no real game and everyone is cooperating to give all participants scores which would otherwise be impossible.
For quite some time the highest scoring player in BF4 was getting a hundred to a hundred and fifty thousand points per game on servers with "No kill/flag run only" right in the server names.
Regardless of what it says in the TOS, that EA turns a blind eye to that sort of thing for long periods of time at the very least suggests they don't care much about it.
23:19 , 已編輯
23:23 發表人: Millerq3
Exactly servers like
reward players far quicker .
But they care enough that while said servers are paying, free time players may
(in the end ) pay for the game
while legit players ,well ,play legit.
The problem lies between EA and the serverproviders and the license. Always has since BF2(ranking system).
Imo EA cant take down servers, they can put in a request with the serverprovider.
主題已鎖定。
主題已鎖定。首先要明白集成学习是什么。集成学习通过训练多个分类器，然后把这些分类器组合起来，以达到更好的预测性能。&br&然后就是有什么好的集成学习算法。集成学习算法主要有Boosting和Bagging两种类型。&br&&br&Boosting的意思是这样，他通过迭代地训练一系列的分类器，每个分类器采用的样本的选择方式都和上一轮的学习结果有关。例如在AdaBoost中，之前分类错误的样本有较高的可能性被选到，在之前分类正确的样本有较小的概率被选到。就像你在背单词，你今天总会选择前面几天背不下来的单词，Boosting也会选择前面轮数没学下来的样本。&br&这个类别下面的主要算法是&b&AdaBoost&/b&和&b&GBDT&/b&。&br&&br&另一个类别是Bagging,每个分类器的样本按这样的方式产生：每个分类器都随机从原样本中做有放回的采样，然后分别在这些采样后的样本上训练分类器，然后再把这些分类器组合起来。简单的多数投票一般就可以。&br&这个类别有个非常牛逼的算法叫&b&Random Forest&/b&,它的每个基分类器都是一棵决策树，如果你仔细学习你会发现它的每棵树和基本的决策树的不同，非常神奇的算法。&br&&br&除此之外还有一类叫做Hybrid的算法。它通过产生几种不同的分类器，然后再把它们集成起来。例如你可以训练一个SVM,一棵决策树，一个kNN...再把它们组合起来。 &br&&br&集成学习有一个重要的概念叫Diversity，也就是说每个分类器要长得尽量不一样。就像一个团队，有的人擅长策划，有人擅长拉赞助，有人擅长执行，这样才是一个牛逼的团队。集成学习中每个分类器也要有一定差异，这样才是一个好的集成。你学习集成学习的时候注意一下这点。&br&&br&我也不知道你现在是什么基础，那就你如果要找资料你可以搜索上面加黑的几个算法，GBDT和Random Forest都是在各种竞赛大放异彩的算法了。如果找不到合适的资料再来找我。如果想上手试一下ensemble learning的话，Python的sklearn,Java的Weka下面都实现的基本的集成学习算法，你可以先调用着玩玩儿。&br&&br&南京大学周志华老师有一本书，&a href=&///?target=http%3A///Ensemble-Methods-Foundations-Algorithms-Recognition/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ensemble Methods: Foundations and Algorithms (Chapman & Hall/Crc Machine Learnig & Pattern Recognition): Zhi-Hua Zhou: 1: : Books&i class=&icon-external&&&/i&&/a&&br&你可以找来看看。讲得很全，但程度稍高，有很多理论的东西。
首先要明白集成学习是什么。集成学习通过训练多个分类器，然后把这些分类器组合起来，以达到更好的预测性能。 然后就是有什么好的集成学习算法。集成学习算法主要有Boosting和Bagging两种类型。 Boosting的意思是这样，他通过迭代地训练一系列的分类器，每…
我觉得第一名的回答有点绝对。题主想必并不排斥从主流途径学习机器学习，而blog、社交媒体等等都会是一个不那么枯燥的补充，适合闲的时候瞅瞅。&br&&br&本人的feedly收集了很多机器学习和统计的博客（英文居多，许多需要翻墙），下面列出来一部分最近还在更新的：&br&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Spectator ← Shakir's Machine Learning Blog&i class=&icon-external&&&/i&&/a&&br&stitch fix公司的技术博客： &a href=&///?target=http%3A///blog/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Blog | Stitch Fix Technology&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//thinkingmachineblog.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Thinking Machine Blog&i class=&icon-external&&&/i&&/a&下的机器学习子类 &a href=&///?target=http%3A//thinkingmachineblog.net/category/machine-learning-narrow-artificial-intelligence/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&thinkingmachineblog.net&/span&&span class=&invisible&&/category/machine-learning-narrow-artificial-intelligence/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&Daniel Lemire（一个魁北克大学正教授）的blog &a href=&///?target=http%3A//lemire.me/blog& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&lemire.me/blog&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Darren Wilkinson's research blog&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///data_mining/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Data Mining: Text Mining, Visualization and Social Media&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Error Statistics Philosophy &i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Neil Lawrence&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Analytics, Data Mining, and Data Science&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///b/machinelearning/default.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//hunch.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning (Theory)&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Delip Rao&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//www.inference.vc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&inFERENCe&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//nuit-/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&nuit-&/span&&span class=&invisible&&/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Pillow Lab Blog &i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//simplystatistics.org/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&simplystatistics.org/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Statisfaction &i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Statistical Modeling, Causal Inference, and Social Science -&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Innovative Ideas for a Better World&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Stigler Diet&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///blog& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Consulting in mathematics, statistics, and scientific computing&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//blog.geomblog.org/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&blog.geomblog.org/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Walking Randomly&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Xi'an's Og &i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&增强视觉 | 计算机视觉 增强现实&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//www.52cs.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&我爱计算机 | @52cs 关注计算机领域进展&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&
我觉得第一名的回答有点绝对。题主想必并不排斥从主流途径学习机器学习，而blog、社交媒体等等都会是一个不那么枯燥的补充，适合闲的时候瞅瞅。 本人的feedly收集了很多机器学习和统计的博客（英文居多，许多需要翻墙），下面列出来一部分最近还在更新的：
对于大部分人来说，数据分析基本上都是靠着自学完成，比如我就是一个典型的案列。题主是计算机出生，上手数据分析应该比较容易一点。我没接触过什么编程，目前也在搞SPARK,HADOOP等，也没觉得自己比别人差多少~~&br&&br&我给出的这个回答基于我自己的学习路径，并且主要是以书本为主，尝试回答一下：&b&一个新手如何系统的学习数据分析&/b&&br&下面我先给出书单：&br&&img src=&/b9904e2bbca6dcd353d359_b.jpg& data-rawwidth=&1212& data-rawheight=&1258& class=&origin_image zh-lightbox-thumb& width=&1212& data-original=&/b9904e2bbca6dcd353d359_r.jpg&&&br&这些书籍都有对应的中文版本。我喜欢将学习分阶段进行，这样学习起来有目标并且不会太累，每个阶段完成各自的任务就好。后面的星星代表每本书籍的重要度，星星越多表示该书越值得阅读。&br&&br&&b&初级阶段：&/b&&br&首先，我是赞成PYTHON ROCKS这句话。说多了你可能不理解，但是当你正真在工业上应用的时候，你就会发现PYTHON能做很多R不能做的事情。 因此强烈建议第一阶段以打基础，学习PYTHON为主。 那么怎么学？&br&《深入浅出数据分析》 是可以学习到最基础的统计、概率等理论知识，这些知识是你前进的基石，而且此书延续了head first系列的一贯作风，非常的有趣味，读起来不会感觉枯燥乏味！&br&&br&接下来你应该好好的学一学PYTHON这门语言。我们说PYTHON可以做的事情太多了，数据分析只是它的一个功能而已。因此锁定目标，只学习有关数据分析部分的知识就行，其它涉及到什么WEB开发，网络编程的一律跳过，一定要集中精力去攻克你的目标，不要分神，有时候摊子铺大了就回不来了！！
那么《利用PYTHON进行数据分析》绝对是你学习PYTHON的不二之选（我指的是数据分析），这本书的作者是大名鼎鼎的pandas的作者，你可以想象这本书的权威性。因此去买一本，好好的研究一番，基本上你的数据处理能力能上好几个台阶。一定要重点学习numpy,pandas,matplotlib.
&br&&br&然后，SQL是你逃不掉的命，一定要写好，你既然是计算机专业，应该不需要我强调太多~&br&最后一本书你就当着小说读读就行，改善一下你程序员的思维，学会一点怎么在真实业务中应用数据分析技巧！记住：这是趣味书！&br&&br&以上就是初级阶段，主要以看书为主，让自己对数据分析有一个初步的认识。&br&下面的中级，高级就需要配合视频和书本一起来学习了~&br&&br&&b&中级进阶：&/b&&br&这一部分是核心的地方，也是你能够和别人拉开距离的阶段。学的好，薪资蹭蹭的往上涨，学不好，那就多学几遍。&br&在这个阶段的核心任务就是：撸的了代码，算的上公示，看得懂业务！
&b&中级阶段会涉及到大量的使用代码和模型去解决实际业务问题！&br&&/b&&br&看清楚三点：代码、模型、案列&br&你要边学边用，这样才能学的更快，收货更多！ 那么怎么学？&br&第一步，《数据挖掘导论》这本书先花一个月的时间好好的阅读下，知道数据挖掘的一个雏形，能够认识一些常用的模型和算法。能够搞清楚常用的监督和非监督学习，提到模型要能说出它的应用场景和优缺点。回答几个关于这本书的常见问题？&br&1. 阅读这本书是否需要一点课前知识？ &br& 答：要，但是不多。&br&2. 都有哪些课前知识？&br&答：微积分，概率论，线性代数，运筹学等等&br&3. 我的天！那我是不是先要去学习一下这些知识后再来看这本书？&br&答：千万别！！！ 记得我前面说过：摊子铺大了你有时候就回不来了。 &br&4. 那我怎么学？&br&答：很简单。直接看书，看不明白的就去google。比如说你看到SVM那里，不知道什么是拉格朗日，那么就去Google（其实这本书的附录也讲了什么是朗格朗日，甚至还讲解了怎么进行矩阵计算）。 总之，不要兜圈子，遇到什么就去补什么。&br&&br&同时，在这里我强烈建议你去学习一下coursera上面的机器学习课程，你会对算法有一个更深的认识，关键是你能学会矩阵计算，梯度下降等常用技能：&br&&a href=&///?target=https%3A//www.coursera.org/learn/machine-learning& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/learn/mach&/span&&span class=&invisible&&ine-learning&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&&br&&br&第二步，使用PYTHON结合数据挖掘知识进行实际案列操作。请使用《集体智慧编程》，这本书的评价我也给你们贴出来，豆瓣评分9分，质量自然不用我说。我唯一想强调的是：请你一定要全部代码自己写一遍，不要复制粘贴！！！！！！&br&&a href=&///?target=http%3A///subject/3288908/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&集体智慧编程 (豆瓣)&i class=&icon-external&&&/i&&/a&&br&&br&如果有时间，请去学习一下关于PYTHON的课程：&a href=&///?target=https%3A//www.edx.org/course/introduction-computer-science-mitx-6-00-1x-0& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Introduction to Computer Science and Programming Using Python&i class=&icon-external&&&/i&&/a&&br&&br&第三步，欢迎使用《机器学习系统设计》这本书，你会接触到PYTHON里面最niubility的SCIKIT-LEARN机器学习包。虽然官网文档阅读性已经很佳，但是缺少一个系统的过程。而这本书就是教会你如何从真实的业务角度去思考运用机器学习模型。 同样的，请你自己敲代码，不懂的就去看官方文档，还是不懂的就去google。&br&&br&第四步，想知道为什么豆瓣和亚马逊的推荐那么准确？
那么《推荐系统实战》绝对是一本最佳的书籍，作者将全部的算法使用PYTHON实现，无论是基于业务的推送还是基于协同过滤算法的推送都讲解的非常清楚！！如果你有兴趣了解，请毫不犹豫的上马拉弓~&br&&br&第五步，你一定听说过R，一定也纠结过到底学习R还是PYTHON。那么我就粗暴的回答一下：都要学！，前期已PYTHON为主，后期一起学习R语言，不要问我为什么，纯属个人感觉。 &br&《R IN ACTION》绝对绝对是入门的最好参考书，没有之一。跟着书上的代码敲一遍，模型计算都自己搞清楚（你有了前面的基础，这些学起来很轻松）。&br&最后，COURSERA上面的R语言课程很糟，谁听谁倒霉，不信你去试试？&br&&br&高级部分下次再敲，累~~~
对于大部分人来说，数据分析基本上都是靠着自学完成，比如我就是一个典型的案列。题主是计算机出生，上手数据分析应该比较容易一点。我没接触过什么编程，目前也在搞SPARK,HADOOP等，也没觉得自己比别人差多少~~ 我给出的这个回答基于我自己的学习路径，并…
要掌握的知识：&br&&ol&&li&数理统计，数据挖掘或机器学习常用模型：如 SVM,随机森林，GBM&br&&/li&&li&对主流的应用模型有较好的理解和运用，如集成学习算法等&br&&/li&&li&至少掌握一门编程语言，包括但不局限：C/C++,JAVA,PYTHON,R等（matlab除外，记住！）&/li&&li&熟悉数据库以及SQL语句，掌握常用的ETL技能&/li&&li&熟悉hadoop，SPARK等分布式工具！&/li&&li&掌握模型原理的而不仅仅是调参数！&/li&&li&不错的英文阅读能力，否则无法提高和培养&/li&&li&熟悉linux常用命令&/li&&/ol&&br&大公司数据挖掘会体系化，有固定的流程，从项目确定开始就会安排计划好整个项目的参与人数，参与时间，获得收益，付出的成本。小公司不清楚，可能压根就没有数据挖掘。&br&理论研究是大学或者研究院的事情，工业上讲究的是运用。我们公司有一个算法组全是博士，职业reading paper, 到现在好像也没发现有什么能用的好算法~~&br&所以，如果想工作，那么要注重运用，注重运用不代表你不需要读paper，看算法。只是研究完理论之后你得想着怎么用起来~&br&总不会天天没事去写个svm的推导吧，我们讲究的是请用代码实现并且部署上线，至于你怎么写那可能就是你的事情了~~
要掌握的知识： 数理统计，数据挖掘或机器学习常用模型：如 SVM,随机森林，GBM 对主流的应用模型有较好的理解和运用，如集成学习算法等 至少掌握一门编程语言，包括但不局限：C/C++,JAVA,PYTHON,R等（matlab除外，记住！）熟悉数据库以及SQL语句，掌握常用…
安心读书，读经典论文。之后你就会发现，公共号的推送完全是茶余饭后随便扫一眼的东西。&br&初学者最忌讳的就是追捧所谓大牛的心得和笔记，却不愿意安心啃最有营养的书本。换个角度想，那些书本和论文，是不是曾经或当代最牛的大牛们写的笔记？是不是会比公共号的二道贩子更有阅读的价值？&br&如果推荐的话，Bishop的PRML可以算作入门经典，所需要的先验知识不难，只要熟练微积分，线性代数和基本的概率统计。或者 Elements of Stat Machine Learning也可以，讲解非常直观，适合建立intuition，而且网上有PDF。&br&下面有人说看大牛的主页，这也是一种进阶方法，甚至是在某些具体领域深入走下去的必经之路。但是初学者不适合这样，尤其不能只看那几个deep learning的大牛的主页。DL只是machine learning的分支，它现在很火，但他不是全部。
安心读书，读经典论文。之后你就会发现，公共号的推送完全是茶余饭后随便扫一眼的东西。 初学者最忌讳的就是追捧所谓大牛的心得和笔记，却不愿意安心啃最有营养的书本。换个角度想，那些书本和论文，是不是曾经或当代最牛的大牛们写的笔记？是不是会比公共…
我更倾向于一些工程行性强的书籍，或者一些顶会的论文。&br&介绍theano的deep learning tutorial，以及微软研究院几位大牛写的deep learning ：method and applications。都不错&br&一些牛人的blog也是很好的学习资料，一些参加kaggle比赛的牛人一般都会把方法写成blog，看看这些blog和里面refer的一些论文都很有帮助。&br&-------------------------------------------------------------------------&br&总结了一些自己用到的资料&br&&br&&a href=&///?target=http%3A//meank.github.io//%25E2%ESummarize/DeepLearning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习资料汇总&i class=&icon-external&&&/i&&/a&&br&&br&——————————————————————&br&&br&大力推荐一本未出版的书：&a href=&///?target=http%3A//goodfeli.github.io/dlbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning&i class=&icon-external&&&/i&&/a& （Ian Goodfellow and Aaron Courville and Yoshua Bengio）&br&&br&以及DL summer school 2015的视频：&a href=&///?target=http%3A//videolectures.net/deeplearning2015_montreal/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning Summer School, Montreal 2015&i class=&icon-external&&&/i&&/a&
我更倾向于一些工程行性强的书籍，或者一些顶会的论文。 介绍theano的deep learning tutorial，以及微软研究院几位大牛写的deep learning ：method and applications。都不错 一些牛人的blog也是很好的学习资料，一些参加kaggle比赛的牛人一般都会把方法写…
PRML究竟有何过人之处，不能光看它本身的内容，最重要的是看其在Machine Learning, Data Mining这一类书籍中的地位。&br&通常从一个CS小白开始学Machine Learning或者Data Mining，到成长为一个独当一面的大牛，都会看几种类型的书：&br&&ul&&li&以《数学之美》为代表的科普类读物。通常作用为开发兴趣的。&br&&/li&&li&《机器学习实战》、《推荐系统实践》、《海量数据挖掘》等实践类书籍。在学中用，在用中学，实践中摸清套路。顺便了解一些基本模型。&br&&/li&&li&《统计学习方法》、《数据挖掘导论》、《数据挖掘（韩家炜）》等介绍类书籍。会对ML方面涉及到的技术做一个浅层次的介绍和全方位的了解，有少量数学内容和推导。&/li&&li&《PRML》、《ESL》、《MLAPP》这类进阶类书籍。包涵大量理论知识和数学推导（尤其是习题），有助于了解Machine Learning方法背后的本质和思想。&/li&&/ul&Machine Learning学习的过程，就是一个 &b&what -& how -& why &/b&的过程。而PRML，或者说同类的ESL等书籍，最大的作用就是让你知道&b&为什么会有这样的方法，为什么会有这样的模型，它背后的intuition和motivation是什么&/b&。而这恰恰是一个Machine Learning Researcher想要进一步使用模型、看懂别人paper中的模型、甚至自己提出新模型的基础。看PRML会带给你在Machine Learning上的理解和使用能力一个质的飞跃。&br&&br&而在同一层次上，比如PRML和ESL相比，我个人认为，&b&PRML涵盖面更广，语言更通俗，例子和习题更加详细，附带更多基础性的讲解和指引（比如第二章整章都在介绍概率分布），难度梯度设置更为合理&/b&，是其深受广大中老年PHD朋友喜爱的原因。&br&&br&可以说，PRML是一本兼顾&b&广度、深度、可读性、可用性（做习题）&/b&的好书。
PRML究竟有何过人之处，不能光看它本身的内容，最重要的是看其在Machine Learning, Data Mining这一类书籍中的地位。 通常从一个CS小白开始学Machine Learning或者Data Mining，到成长为一个独当一面的大牛，都会看几种类型的书： 以《数学之美》为代表的科…
非统计的博士生，但是研究机器学习，也算是相关。&br&强烈推荐Larry Wasserman的《All of Statistics》&br&&img src=&/212bcaa28f5d5f1f414d88e8ac4b838e_b.jpg& data-rawwidth=&417& data-rawheight=&648& class=&content_image& width=&417&&
非统计的博士生，但是研究机器学习，也算是相关。 强烈推荐Larry Wasserman的《All of Statistics》
Andrew Ng的课算是有良心了。 简单版去coursera上看，每周会有optional的section，就是补基础知识。 &br&&br&同样内容广度深度更野一点搜CS229 Stanford。这是coursera那门课的真正形态。 &br&&br&网站里有个链接叫handouts。section notes里面都是周五TA section的东西。这门课每周五会有一个TA带着大家补基础知识的section。 基础知识和目标知识不要分开来看，看到问题了，再去补，不然干看基础知识没有实际应用的理解效果很不好。想想高中数学和后来的高数，哪些不是好东西，但不配合应用去学没什么效果。 &br&&br&这门课相当成熟，每堂课都有完全拿你当SB一样详细的note pdf。强烈推荐。&br&&br&不建议系统的看数学书，如果你上过数学课的话。看书太费时间了，而且还是那句话，不是learn by doing，看十成记五成，理解也就三成吧。
Andrew Ng的课算是有良心了。 简单版去coursera上看，每周会有optional的section，就是补基础知识。 同样内容广度深度更野一点搜CS229 Stanford。这是coursera那门课的真正形态。 网站里有个链接叫handouts。section notes里面都是周五TA section的东西。这…
Andrew Ng理论1：当数据量足够庞大时，feature足够多时，所有的分类算法最终的效果都差不多。也就是说，不管你选用什么样的核，在训练集够大的情况下都是然并卵。当然，就分类效果来说，非线性的比线性的核好一些。但线性的也能够有很不错的分类效果，而且计算量比非线性小，所以需要具体情况具体分析。&br&&br&
Andrew Ng理论2:老实人Andrew教你如何选择合适的SVM核。&br&情况1：当训练集不大，feature比较多的时候，用线性的核。因为多feature的情况下就已经可以给线性的核提供不错的variance去fit训练集。&br&&br&情况2：当训练集相对可观，而feature比较少，用非线性的核。因为需要算法提供更多的variance去fit训练集。&br&&br&情况3：feature少，训练集非常大，用线性的核。因为非线性的核需要的计算量太大了。而庞大的训练集，本身就可以给非线性的核提供很好的分类效果。&br&&br&附图，图中给出了feature和example量化的数字。&img data-rawheight=&640& data-rawwidth=&1136& src=&/bf7f2dec62b9b0b1b9e2cd_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1136& data-original=&/bf7f2dec62b9b0b1b9e2cd_r.jpg&&&br&&br&提高你的分类效果，不仅仅跟你的核函数有关。同时也很你的训练集大小，feature的选择，惩罚参数入(lambda)的选择有关。&br&&br&Andrew Ng的课在理论方面讲的不太深入，很多我在convex optimization上重点讲的理论都被一笔带过。不过从实用上来讲，他确实讲的非常好，30年专注提高分类效果，非常实在！做应用的话强烈建议去看一遍。
Andrew Ng理论1：当数据量足够庞大时，feature足够多时，所有的分类算法最终的效果都差不多。也就是说，不管你选用什么样的核，在训练集够大的情况下都是然并卵。当然，就分类效果来说，非线性的比线性的核好一些。但线性的也能够有很不错的分类效果，而且…
已有帐号？
无法登录？
社交帐号登录
128 条内容
1122 人关注
606 条内容
1256 人关注
149 条内容
4569 人关注
391 条内容
788 人关注
2531 条内容}