对于梯度下降算法，变量是否标准化很重要。在这个例子中，变量一个是面积，一个是房间数，量级相差很大，如果不归一化，面积在目标函数和梯度中就会占据主导地位，导致收敛极慢。

对于tensorflow，梯度下降的步长alpha参数需要很仔细的设置，步子太大容易扯到蛋导致无法收敛；步子太小容易等得蛋疼。迭代次数也需要细致的尝试。

在本专栏的上一篇文章R统计绘图（1）：ggplot2入门指南里提到，ggplot2的facet功能支持快速生成多张相同制作流程的统计图形，但是不能支持生成多张制作流程不同的统计图形。其实这很正常，制作流程不同，那就只能一张一张地制作——那么问题来了：这单独制作的多张图怎么随心所欲地按照你的设想进行摆放呢？上一篇文章给出...

TensorFlow是目前最流行的深度学习框架。我们先引用一段官网对于TensorFlow的介绍，来看一下Google对于它这个产品的定位。

随机森林是一个很强大的模型，由一组决策树投票得到最后的结果。要研究清楚随机森林，首先需要研究清楚决策树，然后理解随机森林如何通过多棵树的集成提高模型效果。

numpy对python的意义非凡，在数据分析与机器学习领域为python立下了汗马功劳。现在用python搞数据分析或机器学习经常使用的pandas、matplotlib、sklearn等库，都需要基于numpy构建。毫不夸张地说，没有numpy，python今天在数据分析与机器学习领域只能是捉襟见肘。

由于场景不同，数据挖掘适合的编程语言不同。在模型原型开发阶段，可能R和python比较适合；在模型上线阶段，可能Java和python比较合适。而不同的线上框架又支持不同的语言，比如JStorm只能用Java搞，而Spark则比较友好，同时支持Java和python两种语言。同样的情况也发生下原型开发阶段：如果是单机环境，R和python都很不...

吴恩达有一套课程Deep Learning，对机器学习的基础理论做了非常好的介绍，上课视频质量非常好，而且练习题都设计得很有水平，并提供了Matlab的答案。本文针对这些练习题，提供了一份R语言版的答案。

最近公司组织了一场大咖秀，有位讲师建议我们没事多参加阿里的天池大赛，说是对提高自己很有帮助。于是想起自己几天前看到的FinanceR专栏的天池最后一公里，便紧随偶像步伐，注册并下载了一份数据，凑个热闹。详情请点击赛题介绍

ggplot2是R语言最流行的第三方扩展包，是RStudio首席科学家Hadley Wickham读博期间的作品，是R相比其他语言一个独领风骚的特点。包名中“gg”是grammar of graphics的简称，是一套优雅的绘图语法。Wickham Hadley将这套语法诠释如下：

空间数据最常用的格式是shp，主要由三个文件组成：shp文件用于存储位置几何信息，dbf文件用于存储attribute，shx用于存储位置几何信息与attribute的对照表。位置几何信息主要有以下几类：points，multipoints，lines，polygons等。

数据分析师经常需要看数据。通常而言，数据或存放在MySQL数据库，或存放在Hadoop集群，或存放在阿里云的ODPS上。分析师根据业务需求写SQL语句从数据平台上提取出需要的数据，随后就面临着本文要重点讨论的怎么对数据可视化的难题。