程序员的机器学习入门笔记（零）：博客说明

     接触大数据技术已经两年多，期间使用了Hadoop,Spark等等的大数据框架，发现虽然会用这些东西，但是感觉不掌握个机器学习的相关知识，总觉得大数据的威力不能得到发挥的感觉，于是最近开始进行相关的研究，开始的时候单纯的以为买本Spark机器学习的书看下就差不多了，照着上面的例子噼里啪啦的一顿敲，敲完后才发现根本不是那回事，由于缺乏对算法背景的了解，所以基本都是记忆性的敲，至于为什么那样，以及Spark MLLIB背后的那些事完全不懂，于是下定决心从基础学起，开始研究一些机器学习算法方面的知识。


    从本篇文章开始，本系列的博客都为本人在进行学习过程中认为比较重要的一些知识点的总结， 作为一个自从毕业以来就从事码农工作的我，已经放下了数学多年，想要理解机器学习中众多算法的数学背景实在有点困难，这些算法研究的工作只能交给专业班子了，所以本系列的博客也都是站在程序员（“理解算法，会用算法”）的角度去对算法进行总结，思路基本为：了解算法产生的背景--》了解算法实现思路--》算法的实现方式（单机版本）--》算法在大数据环境下的应用。
宗旨是“我们不生产算法，只是算法的搬运工”。


    如果你和我一样是一个想正确使用机器学习的算法，或是想在大数据的基础上对机器学习尝尝鲜的码农，可以继续下面的部分，如果你是一个算法系的高手，或是喜欢对算法的实现细节钻牛角尖的技术狂人，那你就可以绕道而行了。


    由于我也是个机器学习领域的新人，可能很多算法的描述或是用词上不是很恰当，如有不当，还请大牛们多多指教和包涵。