机器学习的学习资料看过不少，这份《机器学习个人笔记完整版》还挺让人眼前一亮的。是一个博士大佬整理的笔记，内容蛮系统的，而且结合了斯坦福课程，理论和实践都讲得清清楚楚，适合想打好基础的你。

从监督学习、无监督学习开始，像什么线性回归、逻辑回归、SVM这些都讲到了，讲得还挺接地气的。是用梯度下降怎么一步步找最优解，配图解释直观，看完你就能写出自己的线性回归模型了。

而且哦，它不是那种一股脑堆概念的笔记，而是每段都有点像作者在“对你讲”，有点意思。比如在讲代价函数的时候，就拿二维图像比喻成一个碗，梯度下降就像是在碗里找最低点，挺形象的。

如果你刚开始啃机器学习，或者想系统复习下基础知识，这份笔记还挺值得收藏的。顺带说一句，它也推荐了些不错的相关链接，像 Andrew Ng 的讲义、斯坦福的 SQL 课程等等，顺藤摸瓜地学下去也顺。

嗯，对了，如果你不太熟 LaTeX 公式，刚开始有点不习惯，不过看看也能懂，不影响整体学习。