从大学开始刻意训练拍照技术以来，曾经有那么几个瞬间突然感觉到自己掌握了拍照的窍门，自己也的确使用了一些大家都可以学到的方法，并且拍出过几张还比较不错的照片，所以今天就来科普一下如何用手机拍出美美的照片。希望大家能有所收获，如果不能，就当做是我个人的摄影展了。本文主要从构图、光线、对焦和曝光以及后期等方面来说明，不过需要说明的是这些方法大多适用于排风景照，至于人物照本人实在没有什么经验。以下用到的图片均为本人手机拍摄~

本文主要讲解有关聚类的相关算法，包括K均值聚类、层次聚类以及密度聚类等，除此之外，还会讲解聚类算法中的一些基本概念，以及聚类算法效果评判的一个标准——轮廓系数。

本文将讲解有关K近邻算法的相关知识，主要从算法思想、KNN算法三大基本要素以及KNN算法的实现之kd树来做介绍。

本文主要讲解线性回归、Logistic回归以及softmax回归的相关知识。

一、序言

机器学习（machine learning）是当前计算机专业的一大热门，也是我研究生几年需要学习的内容之一。虽然之前粗略的学过一点皮毛，但是当初笔记做的实在不好，这次趁着看吴恩达老师的机器学习教学视频以及李航老师的《统计学习方法》，重新整理一下自己的笔记，同时也是整理一下自己的思路。

该系列估计会有10余篇的文章，可能主要包括机器学习的基本知识、线性回归、logistic回归、softmax回归、决策树、随机森林、聚类算法、支持向量机（SVM）、EM算法、隐马尔可夫模型（HMM）等内容。文章的顺序大概会从易到难，从常用到不常用的顺序来写，后期尽量每篇补充几个配套的代码。由于本人比较懒，所以什么时候更新新的文章，就看时间和心情了。

作为该系列的第一篇文章，本文将会介绍机器学习算法的概念，以及凸函数、梯度下降算法、损失函数、正则化有/无监督学习以及最大似然函数等内容。

事情的起因是最近我正在看李航老师的《统计学习方法》，又感觉之前所写的机器学习笔记实在太乱，想着不如发个博客，这样也许还可以帮助其他人。但是又感觉CSDN一直在走下坡路（最近好像有所好转），而别的平台写博客又无心经营。倒不如自己建个个人博客，把文章放上面。奈何本人菜鸡一枚，缺少开发经验，用别人写好的框架搭个破网站还各种磕磕绊绊，花费了几天的时间。