我只是一个单纯的2的博客

以前接触了一点机器学习的知识，现在准备系统的学习机器学习的知识，然后找了一些资料和网站，准备开始学习，有心的同志们，一起！！！一下是我找到的一些关于机器学习的学习网站和资料：https://www.coursera.org/learn/machine-learning/home/welcome很出名的AndrewNg的MachineLearning的网站，可以到Couresa上

学习SVM理论基础后，更进一步了解SVM算法就是了解SVM的算法的求解了，SVM算法的求解是一个凸优化问题，可以使用QP优化包进行求解，但是Platt提出了SMO算法，能够大大提升SVM模型的求解速度，这一节中主要就学习和掌握SVM算法的求解，会涉及到很多的数学公式，也是看了好久，查阅了好多资料，才从蒙蔽状态慢慢解放出来，然后对照着着比较简单的SMO算法，对照着算法流程，才慢慢变成半蒙蔽状态。

SVM是一种应用比较广泛的分类器，全名为Support Vector Machine，即支持向量机，在没有学习SVM之前，我对这个分类器汉字的理解是支持/向量机，学习之后，才知道原名是支持向量/机，我对这个分类器的名字理解是：通过具有稀疏性质的一系列支持向量从而得到一个比较好的分类器，这个分类器在名称里面体现为Machine。下面是我对于学习SVM理论后认为几个需要理解和掌握的知识点函

因为学习机器学习以及试图通过python实现相应的算法，因此学习了Matplotlib中的画图，那么就问到，问啥不用matlab呢，答：多一门技术，多一口饭；而且发现Matplotlib的画图功能还是蛮强大的，这次仅仅只是学习了以前在MATLAB里面会的相应的东西，然后学习一下在python中对应的知识。matplotlib在Python中应用最多的2D图像的绘图工具包，使用matplotli

为了快速的学习numpy，只要参阅了官网的快速入门教程进行学习，官网的网址：https://docs.scipy.org/doc/numpy-dev/user/quickstart.html。虽然和matlab的操作大同小异，但是还是需要很多明确的python的概念，比如序列，列表以及元组的概念，当然这也是python里面需要注意最多的基本的数据类型。现将学习的基本过程叙述如下：numpy是通

因为学习机器学习算法的原因，买的参考书籍很多都是python语言进行开发的，因此也想着在Linux系统下配置python的环境。Sunlime是一款非常流行的编辑器，可以添加很多小巧有用的插件，同时也可以配置成一款自己常用开发语言的IDE，所以网上有很多配置Sublime的教程，看了和学习很多教程，决定使用Sublime 3，因为便于配置python的开发环境。首先当然需要安装

参考学习资料：http://cs229.stanford.edu/materials.html通过对学习，掌握的知识点包括：什么是 cost fuction      Linear regression的概念Logistic regression的概念============监督学习的引出==============机器学习可以分为两个大类，一个是监督学习（superv