开始机器学习的征程
这段时间开始看Andrew Ng的机器学习视频，去年就报名了，但是去年一方面有些其他的事情，更重要的是找不到应用的场景，只是听课，觉得进展不快。最近有需求了，又开始看视频。不得不说Andrew Ng讲得真不错。没有高深的数学证明，注重应用，非常对我的胃口，如果不懂再去看看书，往往会有“原来如此”的感觉。
在视频中，Andrew Ng推荐大家使用Octave这个工具来开发机器学习的程序，并不推荐c、c++、java、python、R等语言。不过R最近似乎特别的火。他的理由是，在采用机器学习解决问题的时候，需要能够快速的构建模型、快速的调整模型，所以需要一个抽象程度更高的语言，语法简单，各种算法封装的好，而且都是比较好的实现。同样一个算法，好的实现和坏的实现性能相差非常大。我们不应该纠结于实现的细节，待方法调整得ok的时候，要应用的实际的环境中，我们就可以采用上述的语言进行实现。
Octave是一个工具，也是一门语言，一门解释性语言，所以不要指望用它来训练模型能有多么迅速。Octave是开源的，相对于庞然大物matlab来说，更加轻量级一些，更加开放一些——matlab需要付费才能使用（当然，这个在国内不是困难）。我比较喜欢开源，又在学习机器学习，所以就要尝试一下Octave，而且Andrew Ng一再说，硅谷大多都用这个。
安装要求
需要mac安装了x11，在应用程序》实用工具中查看x11是否已经安装，如果没有安装，则google找到对应版本的x11，安装即可。
下载Octave
点击后面的连接即可：
octave-3.4.0-i386.dmg
安装
首先作为一个分区mount之，然后将图标拖到应用程序文件夹即可。这里面注意，如果要绘图，必须安装Extras目录中的gnuplot-4.4.3-aqua-i386.dmg。我就是这一步忽略了，又下载了一边-_-!!!
使用
Octave和matlab不太一样，Octave完全是基于命令行的。命令都比较简单，语言因为比较高级，有大量的现成的实现，非常方便。详细文档参考引用。后面如果有比较simple的机器学习的文章，实现我将采用Octave。
寄语
希望国内，能够有这样的工具！自主开发的，让老外follow我们。
补充
在linux上安装：
sudo apt-get update
sudo apt-get install octave3.2 gnuplot
Fedora Linux：sudo yum install octave
【引用】
http://www.gnu.org/software/octave/doc/interpreter/
