机器学习系列

自从在微软实习以来，已经很久没有写过总结东东了，写作能力和总结水平都下降了一截。
一直认为学习是一个简单重复，总结，然后顿悟的过程。 没有总结就没有一个跨越提升。现在每天很忙，然而回过头来看，又感觉不到太大成长。于是乎，博客总结又要提上了日程。打算从今天之后的一个月，来分析常用的机器学习算法相关的内容，尽量吸收前人博客之精华，以减少时间的花费，让自己有所成长。

到目前为止时间过去了1周多，一共写了3个博客，分别是：
1. 线性回归： http://blog.csdn.net/lpstudy/article/details/78608969
2. 信息论： http://blog.csdn.net/lpstudy/article/details/78608670
3. 决策树： http://blog.csdn.net/lpstudy/article/details/78635228

按照目前的进度，我还需要3周以上的时间才能完成，后面还需要再勤奋一些才行。

下一步是逻辑回归，神经网络以及机器学习书的翻译，这主要是因为我一方面在翻译一本机器学习书的神经网络部分，而逻辑回归本身就是神经网络中最子子的部分。

准备：
1. 线性回归
2. 逻辑回归
3. SVM
4. 决策树
4. 随机森林
5. AdaBoost
6. XGBoost
7. 梯度提升树
8. 神经网络
9. RNN
10. LSTM
11. 相关性分析
12. Anomaly Detection相关（来源于文驰）