機器學習系列

自從在微軟實習以來，已經很久沒有寫過總結東東了，寫作能力和總結水平都下降了一截。
一直認為學習是一個簡單重複，總結，然後頓悟的過程。 沒有總結就沒有一個跨越提升。現在每天很忙，然而回過頭來看，又感覺不到太大成長。於是乎，部落格總結又要提上了日程。打算從今天之後的一個月，來分析常用的機器學習演算法相關的內容，儘量吸收前人部落格之精華，以減少時間的花費，讓自己有所成長。

到目前為止時間過去了1周多，一共寫了3個部落格，分別是：
1. 線性迴歸： http://blog.csdn.net/lpstudy/article/details/78608969
2. 資訊理論： http://blog.csdn.net/lpstudy/article/details/78608670
3. 決策樹： http://blog.csdn.net/lpstudy/article/details/78635228

按照目前的進度，我還需要3周以上的時間才能完成，後面還需要再勤奮一些才行。

下一步是邏輯迴歸，神經網路以及機器學習書的翻譯，這主要是因為我一方面在翻譯一本機器學習書的神經網路部分，而邏輯迴歸本身就是神經網路中最子子的部分。

準備：
1. 線性迴歸
2. 邏輯迴歸
3. SVM
4. 決策樹
4. 隨機森林
5. AdaBoost
6. XGBoost
7. 梯度提升樹
8. 神經網路
9. RNN
10. LSTM
11. 相關性分析
12. Anomaly Detection相關（來源於文馳）