PCA是一种很重要的降维方法，在数据压缩、可视化等领域应用广泛。在机器学习中，当特征维度过高时，可以选择Feature elimination或Feature extraction等方式降维。Feature elimination直接丢弃信息量低的特征，Feature extraction则从现有特征组合出一系列新特征，消除数据冗余，PCA数据Feature extraction。

最近利用碎片时间重新看了一遍《Vim实用技巧》一书，记录超实用的技能点，提升编辑效率。

最近整理了一些在用的，感觉还不错的开源小工具，有的仅适用MacOS，但多数跨平台。

Mac上有很多优秀的软件，可以极大地提升效率和工作体验。

本系列由《数据科学中的R语言》一书作者肖凯老师所著，现已开源，托管在Github上。共包含了以下十个主题，从基本的机器学习模型，到特征工程，到深度学习都有详细的介绍。淡化繁琐的公式推导，用例子+代码演示的方式，深入浅出。

前几天数据库课程的一个小project，需要接入MySQL数据库，导入数据，写了个脚本，做简单的CRUD操作，用Python实现，简单地记录一下。

该模块包含了一系列处理可迭代对象(sequence-like)的函数，从此迭代更任性。

collections模块提供了一些python内置数据类型的扩展，比如OrderedDict，defaultdict，namedtuple，deque，counter等，简单实用，非常值得学习了解。