作為機器學習的初學者，最關心的肯定是如何搭建執行環境、如何完整跑乙個機器學習演算法的例項程式了。本人剛趟過坑，就把這個過程整理下來，作為後面進來的人的乙份參考，以此互勉。
一、執行時環境ipython notebook
網頁版的notebook相比整合環境pycharm有許多優點，如分段執行程式，而且更輕便。安裝過程可以參考
二、完整的機器學習演算法實戰流程
作為一名程式猿，學習新東西最快的方法自然是跑乙個程式看看，理論看多了都是虛的，思想都在**裡面。這裡推薦寒大神的鐵達尼號**問題
完成上面兩個步驟就差不多入了機器學習的大門了，以後就是漫長的打怪公升級之路了。
機器學習演算法 1
擬牛頓 bfgs演算法 演算法描述 bfgs演算法與dfp步驟基本相同，區別在於更新公式的差異 def bfgs fun,gfun,hess,x0 功能 用bfgs族演算法求解無約束問題 min fun x 輸入 x0是初始點，fun,gfun分別是目標函式和梯度 輸出 x,val分別是近似最優點和...
機器學習演算法 1
此上最後部分lbfgs演算法的展開式有疑議 正確參考如下圖所示 擬牛頓 l bfgs演算法 擬牛頓法 如bfgs演算法 需要計算和儲存海森矩陣，其空間複雜度是n2，當n很大時，其需要的記憶體量是非常大的。為了解決該記憶體問題，有限記憶體bfgs 即傳說中的l bfgs演算法 橫空出世。h0 是由我們...
機器學習 十六 機器學習演算法總結（1）
監督學習 knn演算法計算測試樣本與訓練集的各樣本的距離，按從小到大取前k個距離排序，然後選擇這k個最相似資料中出現次數最多的分類作為新資料的分類。樸素貝葉斯實現的是概率量化計算的模型，它的解釋是通過對樣本的統計，然後算出某件事a發生的概率和某件事b發生的概率之間的量化關係。決策樹實現的是通過選擇合...