日常学习记录——目前学习记录总结

1 已了解或已实践内容

1. 机器学习算法相关

常用的两个算法库：sklearn、imbalanced-learn。

• 决策树算法——基于信息熵、基于信息增益、基于Gini指数
• 模糊决策树算法——决策树算法的改进版本
• 随机森林算法——基于Gini指数的CART决策树的集成学习算法
• 平衡随机森林——面向不平衡数据集的随即森林算法的改进版本
• KNN K邻近算法——分类算法
• KMeans K均值算法——求聚类中心常用算法
• 支持向量机——线性Linear-SVM分类算法、非线性SVC分类算法
• AdaBoost集成提升树算法——有基于支持向量机的，也有基于决策树的集成学习分类器
• AdaCost代价敏感算法——面向不平衡数据的集成学习分类算法
• SMOTEBoost——重采样集成分类算法
• RUSTBoost——欠采样聚类集成分类算法

2、神经网络相关：

• tensorfow框架的神经网络和卷积神经网络——因为我数据集的数据量不够，使用神经网络进行训练时，效果很差，后续没有再深入了解。

3、wireshark 自定义报文解析插件：

• Lua语言 —— 如果想在wireshark上显示中文最好使用UltraEdit进行编辑。
• 新手友好的参考文献：Lua编写Wireshark插件实战。

4、已过书单：

• 《软技能：代码之外的生存指南》
• 《软技能2：软件开发者职业生涯指南》
• 《程序员修炼之道：从小工到专家》
• 《我编程，我快乐：程序员职业规划之道》

---

2 未来想要深入了解的内容

1、想要过一遍的书单

• 《代码整洁之道》
• 《代码大全》
• 《修改代码的艺术》
• 《重构：改善既有代码的设计》

2、实践内容

• 《笨方法学python》——重点是学习测试用例相关的知识，想要了解更多测试驱动开发的内容。
• 算法的了解和实践。

---

3 内容输出

1、重要日期

• 实践内容——重要且紧急——年前完成

2、学习产出

• 《笨方法学习python》的重点知识与收获整理博客；
• 算法实践阶段性的总结博客。