一周多沒有更新blog了。這段時間比較忙，抱歉。
前段時間比較輕鬆，故而去學習了一些有關爬蟲的知識。也成功執行了一些爬蟲作為實驗。在後來，我建立了乙個名為catfight的專案，嘗試去編寫乙個遊戲程式。在接近一周的編寫過程中，學習了json資料庫的讀寫，def函式的各種特性，還學習了class程式結構，同時學習了pandas、progressbar等庫，當然了，程式的主體也變成完成並可以編譯成為exe進行使用。
同時，根據學習計畫配置了zabbix，ansible，wirewshark等運維常用軟體。
在近幾天，隨著學習計畫的繼續進行，開始學習機器學習的相關知識。上周五，和學習小組一同完成了幾個機器學習常用演算法的學習，例如樸素貝葉斯、logistic回歸、svm支援向量機、k-鄰近，並實現了演算法在python-sklear上的簡單應用。這周，找到了stanford大學吳恩達教授的機器學習課程，目前在網易公開課上聽完了前三節，獲益匪淺，這門課讓我對機器學習的理論的認識越來越深入和清晰。
還要特別感謝導師-chenhui.wu，他利用我們的歷史資料，布置了一些簡單有趣的機器學習問題。我們的學習小組在嘗試對動靜態模型建模的過程中，學習了python的建模方法，並實際將自己所學習的演算法進行應用，同時，學習了如何評估模型，大致了解了一些評估引數。
最終，模型的正確率不盡如人意，但是這個過程是更加重要的，同時，也幫助我們對於機器學習的實際價值有了更清晰的認識。比如，我想到我之前畢設所做的識別演算法，當時嘗試使用準確識別並統計的思路進行統計，現在回過頭來看，掌握了大量歷史資料之後，其實我完全可以利用機器學習對整個識別系統進行建模，從而更輕鬆的對粒子數進行統計。
最後，貼乙個自己對於經典機器學習演算法：梯度下降演算法的認識：
突然理解了梯度下降演算法的意義。在得到訓練資料的時候，我們初始化的**模型都是y = 0。隨著梯度下降演算法在梯度上對函式的逼近（擬合），每一次下降都會越來越接近最小值，當然，隨著越來越接近最小值，梯度越來越小，步長也越來越小。最終抵達最小值，也就意味著擬合函式的完成。
換成二維函式去理解的話，在乙個正交的座標系內內分布著一些點，在最初**時候，擬合函式為y = 0。隨著梯度下降演算法對擬合函式的不斷優化，擬合函式雨來越接近真實的線性函式，最終會得到一條最能代表散點分布的函式線。
這本質上是乙個學習演算法，通過不斷的學習，去逼近最終的函式。
學習筆記 雜湊學習筆記
hash基本原理 hash就是乙個像函式一樣的東西，你放進去乙個值，它給你輸出來乙個值。輸出的值就是hash值。一般hash值會比原來的值更好儲存 更小 或比較。那字串hash就非常好理解了。就是把字串轉換成乙個整數的函式。而且要盡量做到使字串對應唯一的hash值。它的主要思路是選取恰當的進製，可以...
學習筆記 CentOS 學習筆記01
簡單的做個課堂筆記 虛擬機器用的是vmware，系統是centos cd etc sysconfig network scripts pwdls 顯示列表 cat ifcfg eth0 檢視檔案內容 vi ifcfg eth0 進入vi編輯器 onboot no 原始設定 x逐字刪除 d刪除整行 a...
筆記 spring cloud 學習筆記
1 spring cloud 是什麼 spring cloud為開發人員提供了快速構建分布式系統中一些常見模式的工具 例如配置管理，服務發現，斷路器，智慧型路由，微 控制匯流排 分布式系統的協調導致了樣板模式,使用spring cloud開發人員可以快速地支援實現這些模式的服務和應用程式。他們將在任...