网络图书：《Learn Ruby The Hard Way》繁体版本

《Learn Ruby The Hard Way》繁体版本.

Vim 令人喜爱的地方之一是它支持通过插件来扩展自己，从而满足不同用户的需要. 如果你想为 Vim 编写插件，那么就必须学习 Vimscript 这个内建于 Vim 中的脚本语言. Steve Losh 的《Learn Vimscript the Hard Way》这本免费的电子书恰好可以让你对 Vimscript 上手.

文本挖掘的paper没找到统一的benchmark，只好自己跑程序，走过路过的前辈如果知道20newsgroups或者其它好用的公共数据集的分类（最好要所有类分类结果，全部或取部分特征无所谓）麻烦留言告知下现在的benchmark，万谢. 20newsgroups官网上给出了3个数据集，这里我们用最原始的 20news-19997.tar.gz.

最近邻(KNN)是一种非常简单、易于理解、通用性强的机器学习算法，广泛应用于金融、医疗、政治、手写检测、图像识别、视频识别等领域. 在信用评级中，金融机构会预测客户的信用评级. 在贷款支付中，银行机构将预测贷款是否安全或有风险. 在政治学中，将潜在选民分为两类，要么投票，要么不投票. 上一篇《 K-近邻算法KNN学习笔记》主要讲解的是KNN的理论内容，今天主要学习怎么用KNN进行实战.

文本分析是机器学习算法的主要应用领域. 由于大部分机器学习算法只能接收固定长度的数值型矩阵特征，导致文本字符串等并不能直接被使用，针对此问题scikit-learn提供了将文本转化为数值型特征的方法，今天就一起来学习下. scikit-learn中的sklearn.feature_extraction.text提供了将文本转化为特征向量的工具：.

Paul Graham根据Y Combinator多年来孵化创业公司的经验，总结了创业公司必须要学会的经验教训. 那些成功的创业公司之所以成功，很大一定程度是他们快速学习到了这些本领. 1、尽快发布新版本（Release Early）. 这也是我们多次强调的创业秘诀：尽早发布V1版本，然后不断快速迭代更新.

开源机器学习工具scikit-learn入门. Scikit-Learn是基于python的机器学习模块，基于BSD开源许可证. 这个项目最早由DavidCournapeau 在2007 年发起的，目前也是由社区自愿者进行维护. Scikit-Learn的官方网站是 http://scikit-learn.org/stable/，在上面可以找到相关的Scikit-Learn的资源，模块下载，文档，例程等等.

1、基于Spark自动扩展scikit-learn(spark-sklearn). Spark MLlib 将传统的单机机器学习算法改造成分布式机器学习算法，比如在梯度下降算法中，单机做法是计算所有样本的梯度值，单机算法是以全体样本为计算单位；而分布式算法的逻辑是以每个样本为单位，在集群上分布式的计算每个样本的梯度值，然后再对每个样本的梯度进行聚合操作等.

分享一些Scikit-learn程序包里鲜有人知的遗珠功能. Scikit-learn是Python所有的机器学习程序包中，你必须掌握的最重要的一个包，它包含各种分类算法，回归算法和聚类算法，其中包括支持向量机、随机森林、梯度提升、k均值和基于密度的聚类算法（DBSCAN），且旨在与Python数值库NumPy和科学库SciPy进行相互配合.

（这章起换用Markdown）. 《Mastering Machine Learning With scikit-learn》是一本非常实用的机器学习实战书籍，它使用通俗易懂的语言和适度的理论知识来帮助python开发者使用scikit-learn机器学习工具包实现机器学习相关算法的应用. 早些时候我拜读了这本书，记了些笔记和重要的知识点，今天重新温习了遍，仍有收获，顺便张贴到博客上，一起学习交流.