AI 与机器学习2012some-docs.googlecode.com
数据挖掘中的十大算法（2007）
Top ten algorithms in data mining (2007)
入门 · 约 90 分钟读完前置知识：基础统计学、机器学习基础概念
导读
这篇 2007 年的论文由数据挖掘领域专家投票评选出十大经典数据挖掘算法（如 C4.5、k-means、SVM、Apriori、AdaBoost 等），并对每个算法的原理和应用做了综述。虽然年代较早，但至今仍被视为入门数据挖掘算法的经典参考资料。
HN 关注点：这份经典算法清单的实用价值，并围绕哪些重要算法被遗漏、以及如何学习实现这些算法展开讨论。
HN 评论精选
这几条评论里：质疑 1 补充 2 亲历 1
亲历亲历者分享基于该论文实现全部十个算法的课程资源
四年前我上过一门基于这篇论文的课，要求每个参与者实现全部十个算法。这是非常有教益也颇为痛苦的经历。课程网站还在线，其中每个算法的讲解和 matlab/python 代码框架可能对大家有用。
lkozma查看英文原文
Four years ago I took a class based on that paper where we implemented all ten algorithms (every participant every algorithm). It was a very instructive and somewhat painful experience. The course website is still online, if anyone is interested, the presentations of the algorithms and the matlab/python code stub for each algorithm might be useful. http://www.cis.hut.fi/Opinnot/T-61.6020/2008/
质疑指出遗漏了逻辑回归这一经典算法
清单漏掉了逻辑回归：它如此老派（源于 1930 年代）、数学上如此严谨（相比神经网络而言）、如此强大，却经常被忽视。
mooneater查看英文原文
Missing Logistic Regression: so old school (from the 1930s), so mathematically rigorous (compare to neural networks for example), so powerful, and so often overlooked.
补充补充其他值得关注的算法
老论文但依然是好论文。还有一些算法值得考虑：随机森林、梯度提升机（类似 AdaBoost）、逻辑回归、神经网络。
larrydag查看英文原文
Oldie paper but still a goodie. Some other algorithms to consider... Random Forests, Gradient Boosted Machines (similar to AdaBoost), Logistic Regression, Neurel Networks.
补充求助如何学会阅读算法描述
作为自学成才的程序员，我读描述性算法伪代码一直很吃力。有什么学习阅读它们的方法建议吗？
phatbyte查看英文原文
As a self-taught programmer I always had a hard time reading descriptive algorithms. Any suggestions on how to learn reading it ?
历次讨论
- 2012Hacker News 讨论帖218 分 · 41 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选