#machine_learning

1. 包括regression, knn, svm, k-means等算法
2. sklearn的使用， 数据的处理和训练/测试数据的区分
3. 手工实现算法，虽然不是最优的，但是对于理解算法非常有帮助，可以清楚的了解每种算法的工作过程

1. 对一些数据集的处理，练习如何从头到尾应用及其学习，以及遇到的问题的总计和备忘
2. 广告费用和收益的线性预测，以及在选取模型时的总结记录

1. matplotlib 绘制各种图像
2. style，动态绘图，和股票k线，蜡烛图的实现
3. subplot的使用
4. basemap的简单用法，地图上绘制图像时会比较有用

1. np的基本用法
2. 数据处理中常用的np的处理方法

1. pandas的基本用法
2. 用pandas进行简单的数据分析，并结合sklearn训练预测模型

1. svm 中 margin的计算和可视化展示
2. perceptron(感知机)分类算法的实现，和可视化展示