关于Kaggle大赛就不多说了，我打算进一步了解一下入门级的比赛之后再另作参加项目/比赛的打算，在此之前需要更多的实践才行。

以下是我学习的地址(在一个GitHub大神分享的相关的资源)：

https://github.com/apachecn/kaggle
里面有多种可以实现的算法的代码以及思想，我在此进行进一步的整理，进行一个简单的代码记录，以及会进行一点修改以符合我自身的情况。

• 需要的数据下载地址：https://www.kaggle.com/c/digit-recognizer/data

这里是对应的课程地址：https://pythonprogramming.net/hierarchical-clustering-mean-shift-machine-learning-tutorial/?completed=/k-means-from-scratch-2-machine-learning-tutorial/

关于这个算法更像是无监督学习，它相较于K-Means算法不用指定K的个数，可以自动的通过求解一个向量，使得圆心一直往数据集密度最大的方向移动。说的再简单一点，就是每次迭代的时候，都是找到圆里面点的平均位置作为新的圆心位置。

可参考：机器学习（十）Mean Shift 聚类算法、
爬山算法

在原作者的原代码上进行一些符合当今实际情况的修改。

• 对应的课程地址：https://pythonprogramming.net/machine-learning-clustering-introduction-machine-learning-tutorial/?completed=/support-vector-machine-parameters-machine-learning-tutorial/

K-均值算法(K-Means)属于无监督学习、聚类算法。即将无标签的数据集进行分类，并且无训练过程(监督学习的数据集才存在训练一说)等，又可理解为自动分类器。

本文对于原作者的代码进行了一点修改以符合当今情况。

最近写python机器学习教程有点累了..就玩一些其他的东西，就包括了这个文字转语音的python3库pyttsx3。

其中也遇到了一些问题，在此记录一下。

我记录下的这些东西，如果是有哪些不懂得地方，我强烈建议参考我在这里的书籍。另外还有《机器学习实战》，《深度学习》这本花书等，利用好搜索引擎也是一大好利器。

关于这篇文章，我还是和以前记录相关的机器学习知识之类篇章一样的风格。

不懂可进入这里的对应的教程，看不懂可借助翻译插件/软件(实际上借助这些看起来轻松多了，看英文头疼的厉害，如果是对于初学者)。

打算在eclipse中运行Django项目，结果发现出现了错误Django not found，如下图(网上找的一张，忘记截图了..)：

图片来源：https://blog.csdn.net/wlsyn/article/details/49784263?utm_source=blogxgwz2

试了一些网上所谓的重新嵌入解释器目录的方法，还有重装Django的方法，都没有什么用。

还是老样子，这篇文章不适合纯粹的小白，仅仅注重实践，基础知识说的比较浅，基本上一笔带过。

我在作者的原代码和数据上进行了一点修改以符合当今的实际情况。

此篇文章将实现K近邻算法的基本原理，以及实现K邻近算法并且应用到实际数据集之中，之后会有一个实战项目。

本来不想写太多关于这方面的基础知识的，但是为了加强理解，我想不妨直接写博文记录也是一个好的选择，也可以顺便帮助需要的人，何乐而不为呢？

那么开始吧。我在原课程的基础上进行那么一点点修改。

这是我学习的相应的课程地址：https://pythonprogramming.net/how-to-program-best-fit-line-machine-learning-tutorial/?completed=/how-to-program-best-fit-line-slope-machine-learning-tutorial/

这不是一个小白教程，需要自行取了解一些基础知识，基础知识我仅仅是一笔带过。

这篇文章不是给纯粹的小白看的，需要一定的基础，需要小白补充一定的基础知识，在我的博客有相关的资源介绍。

在这里记录下这篇文章时因为很实用，并且也希望以此帮助需要的人。

这是我在YouTube上学习到的。

• 中文地址(不全)：https://www.yxgapp.com/channel/349.html

对应的网页课程地址在此：https://pythonprogramming.net/forecasting-predicting-machine-learning-tutorial/

在作者的基础上进行了一点点的改动。说明一下：相关的库自行安装，就不一一废话了。

最近需要这个算法做点东西，在此记录一下安装的过程。