最近想把自己学习机器学习的代码上传到github上，遇到了一些小麻烦

前段时间记录二分类问题，这几天一直在弄多分类的问题，这里介绍softmax这种多分类方法.$ $

最近在看台大林轩田老师的课，这个感知学习算法(Perception Learning Algorithm)有点意思，好像也是现在比较火的深度学习的起源点，下面就来说一下我自己的理解． $ $

使用Ubuntu工作一年了，记下一些比较实用的技巧

本篇开启机器学习另一个重要的知识点,逻辑回归(Logistic Regression),其实它也是传承了线性回归的知识,只是稍微做了点变动.$ $

本博文就是记录一些matplotlib的基本用法,方便日后查看.$ $

在矩阵运算的博文中,推导了局部加权线性回归,其实它是为了解决过拟合(over-fitting)和欠拟合(under-fitting)的问题.这里介绍另外一种线性回归解决该问题的方法——正则化的线性回归(Regularized linear regression)$ $

写技术博客难免会遇到各种公式,本篇介绍一些LaTex的基本用法$ $

机器学习我觉得就是数理统计和线性代数,由于都是求最值的问题,必然涉及导数.不过矩阵,向量,标量求导可大有学问. $ $

做数据处理的工作,Matlab无疑是最好的,但是matlab的是小众语言,实际项目中运用的很少,很多科学家和工程师做数据处理都使用python,因为python有很多关于科学计算的模块.这里介绍一下numpy.