機器學習理論基礎

1、一個論文結論：179種不同的分類學習方法（分類學習算法）在121個資料集上的性能，發現Random Forest（随機森林）和SVM（支援向量機）分類準确率最高，在大多數情況下超過其他方法。  http://blog.sina.com.cn/s/blog_7ad48fee0102vb9c.html

     Random Forest  随機森林 指的是利用多棵樹對樣本進行訓練并預測的一種分類器。

      SVM（支援向量機）

2、機器學習常見算法分類彙總：     http://blog.jobbole.com/77620/

3、Geoff Hinton，Yann LeCun，Yoshua Benjo以及後起之秀Andrew Ng等，都成了這一波人工智能浪潮發展的焦點人物。

    http://blog.jobbole.com/108162/ 

4、（推薦！）《Python 自然語言處理》– 使用自然語言工具包分析文本

      本版本的NLTK 已經針對Python 3和NLTK 3更新。本書的第一版由O'Reilly 出版，可以在http://nltk.org/book_1ed/通路到。（本書目前沒有計劃出第二版）。http://python.usyiyi.cn/translate/nltk_python/index.html

5、http://www.tensorfly.cn/

6、機器學習(Machine Learning)&深度學習(Deep Learning)資料(Chapter 1)

     https://github.com/ty4z2008/Qix/blob/master/dl.md