机器学习实战的作品目录
《机器学习》、《深度学习》、《Python机器学习基础教程》、《人工智能：一种现代的方法》、《机器学习实战》、《DeepLearningwithPython》、《人工智能数学基础》等。
《机器学习之路CaffeKerasscikit-learn实战》百度网盘pdf最新全集下载：链接： https：//pan.baidu.com/s/1bAqjgHzqtl91BrrylHHUJg ？pwd=t388 提取码： t388简介：机器学习需要一条脱离过高理论门槛的入门之路。
《Python机器学习——预测分析核心算法》从算法和Python语言实现的角度，认识机器学习。《机器学习实践应用》阿里机器学习专家力作，实战经验分享，基于阿里云机器学习平台，针对7个具体的业务场景，搭建了完整的解决方案。
《Python编程：从入门到实践》（作者：Eric Matthes）：Python是人工智能领域最常用的编程语言之一，这本书可以帮助您快速入门Python编程，并了解如何将其应用于人工智能领域。
支持向量机—从推导到python手写
1、(1)线性可分支持向量机，样本线性可分，可通过硬间隔最大化训练一个分类器。 (2)线性支持向量机，样本基本线性可分，可通过软间隔最大化训练一个分类器。
2、支持向量机及Python代码实现做机器学习的一定对支持向量机(supportvectormachine-SVM)颇为熟悉，因为在深度学习出现之前，SVM一直霸占着机器学习老大哥的位子。
3、线性可分支持向量机 线性可分支持向量机是指在训练数据集线性可分的情况下，寻找一条几何间隔最大化的直线（也称硬间隔最大化），将正样本和负样本完全分开。
4、支持向量机是一种监督模式识别和机器学习方法，采用最大分类间隔准则实现有限训练样本情况下推广能力的优化。通过核函数间接实现非线性分类或函数回归，支持向量机通常简写作SVM。
5、SVM 是 Support Vector Machine 的简称，它的中文名为支持向量机，属于一种有监督的机器学习算法，可用于离散因变量的分类和连续因变量的预测。
6、首先，让我们来对SVM产生一个直观的认识： 支持向量机(Support Vector Machine，SVM) ，二类分类器，它最终能告诉你一个东西是属于A还是属于B。
学习经济学需要熟悉哪些编程语言
Stata：计量经济学。SPSS：专门开的一门课，这个巨汗，权当复习了一遍统计学。Excel：大一的统计入门课使用的，这个也巨坑，就是简单的函数使用，一点没有涉及VBA。
你说 学习编程语言仅仅是为了实现一些数学算法，那么是否要考虑到一个效率的问题，因为C++的效率是绝对高于VB的。
我个人额外推荐的是C语言、R和Latex。R是近年来很火的一门统计软件。它能实现很多功能，如贝叶斯统计，因为它是开源软件，可用的扩展包也很多，麻烦的是它比较不易上手，要有些编程的能力。
