最近新冠病毒席卷全球，只能在家隔离。正好借此机会，有了大块的时间，可以学习一点系统的知识。于是打算学习一下机器学习。
学习课程
其实现在网络上一点都不缺学习的资料，好的课程随便一搜一大把。缺的是时间和毅力。
我是首先学习了吴恩达老师的《machine learning》,整个课程19小时，英文授课，有中英字幕，课程是2011年录制的，稍微有点老，但本身这个领域的基础知识是基本没有变化的。大概有了一个对机器学习的基本认识之后，我决定再找一个比较新的并且有实操的课程重新学习一遍，于是找到了慕课网bobo老师的《Python3入门机器学习》课程。因为目前python 语言在机器学习领域生态发展的特别好，是很不错的选择，所以选了这门课程。
当然，在这之前，因为学习吴恩达老师的课程时，只是走马观花过了一遍。但确实发现，大学时候学的高数和线性代数基本已经忘记了，但很多算法的推理讲解还是要用到很多数学知识的，于是决定重温一下宇哥的高数和线代。
这里感叹一句，互联网时代是真的好啊，尤其是对于学习学习和进步的人。这么多优质的资源，全是免费的，简直越学越开心。另外对于还在上大学的同学提醒一句，如果你的大学数学老师，或者其他老师，讲的课实在是一般或者垃圾，那么你完全不要听了，互联网上的名师比他们讲的好一百倍！有的水平低的老师简直是误人子弟，会学习和会找学习资料的人，不听课照样学得更好。可惜我也是毕业了之后才知道的，亡羊补牢，为时未晚。
《高数》张宇
《线性代数》张宇
环境搭建
Anaconda
机器学习需要搭建很多的环境，不同的算法又有不同的依赖，还有数据集等。对于初学者，要求比较高。好在已经有集成好的一整套环境，咱们可以下载Anaconda来直接安装环境。
The open-source Anaconda Distribution is the easiest way to perform Python/R data science and machine learning on Linux, Windows, and Mac OS X. With over 19 million users worldwide, it is the industry standard for developing, testing, and training on a single machine
python3
python在机器学习领域有着不可替代的优势，所以我们有必要简单的了解一下。
这里我们介绍下接下来会常用到的一些第三方包：
import numpy # 处理矩阵变换等的数学库 import matplotlib # 可视化相关 import sklearn # 机器学习相关 import pandas # 数据表格管理相关
课程代码
https://github.com/liuyubobobo/Play-with-Machine-Learning-Algorithms
