本期投稿：谢益辉 王威廉 冷静 王小宁

K-means 是最常用的聚类算法之一：容易理解，实现不难，虽然会有 local optimum，但通常结果也不差。但 k-means 也不是万金油，比如在一些比较复杂的问题和非线性数据分布上，k-means 也会失败。普林斯顿博士 David Robinson 写了一篇不错的分析文章，介绍了几种 k-means 会失效的情形。

基于遗传算法的小车模拟， 还有遗传算法的行者，看着有一大拨僵尸来袭的感觉、遗传算法的猫。

小编注： 性格捉急的人千万不要盯着看太久，十分闹心，会疯掉的，不过可以把这个转发给你的小伙伴们，小编保证这算法进化两个小时这只猫也跳不过去）

Popsci 写了一篇不错的文章批评媒体近期关于《人工智能将会摧毁人类》之类制造恐慌的报道。Popsci 认为这么写纯粹是为了吸引读者眼球，并且很犀利的指出这些媒体拿 Elon Musk 与霍金这些非人工智能研究者来讲 AI 的世界末日学说，纯粹是制造恐慌。

麻省理工学院 NIKHIL BUDUMA 写的 Recurrent Neural Nets 及 LSTM 介绍，没什么数学，就是讲的比较符合直觉，容易理解。

谷歌科学家、Hinton 亲传弟子 Ilya Sutskever 的深度学习综述及实际建议及实际建议 ，比较喜欢其中关于 tricks 的建议，包括 data, preprocessing, minibatches, gradient normalization, learning rate, weight initialization, data augmentation, dropout 和 ensemble。

《鲁棒及有益的人工智能优先研究计划：一封公开信》目前已经有 Stuart Russell, Tom Dietterich, Eric Horvitz, Yann LeCun, Peter Norvig, Tom Mitchell, Geoffrey Hinton, Elon Musk 等人签署。

中国人民大学统计学院博士，喜欢跑步，研究兴趣为抽样技术和机器学习。中国人民大学统计硕士，爱荷华州立大学统计学博士，R 包 knitr 的主要作者。现为 RStudio 软件工程师，曾负责 Shiny 包相关开发工作，后转入 R Markdown 相关扩展包的开发，包括 bookdown 和 blogdown。对统计计算、可视化、以及各类网页相关技术感兴趣，有志于对技术写作工具做减法工作，坚信人类浪费了太多时间在期刊论文、学位论文、书籍的排版上。平时主要活跃在 Github 上。个人主页在 https://yihui.name，思想偏激，流水账、意识流甚多，小人之心甚重，慎入。

敬告各位友媒，如需转载，请与统计之都小编联系（直接留言或发至邮箱：[email protected]），获准转载的请在显著位置注明作者和出处（转载自：统计之都），并在文章结尾处附上统计之都微信二维码。

发表 / 查看评论