这篇笔记包括了基本的 SQL 语法，具体应用的 RDBMS 以 MySQL 为例，也会穿插一点点数据库的知识。最后讲了一下如何利用第三方库，结合 Python 使用 MySQL。
Python 有非常丰富的第三方绘图库，matplotlib 使用起来也许并不是很便捷，因为图上每个元素都需要自己来定制。但仔细体会 matplotlib 背后的设计思想是很有趣的事情。seaborn 之类的绘图库是基于 matplotlib 封装的，因而后期需要自己灵活定制图形时就大大受用了。本文的两幅思维导图是基于两种不同的思路绘制的，偶有内容交叉，日常使用可以选择自己熟悉的方式（网上的教程大多是基于过程的函数式编程，即 pyplot 方法）。建议配合最后附上出的参考资料学习。
Pandas 提供了数据结构——DataFrame，可以高效的处理一些数据分析任务。我们日常分析的数据，大多是存储在类似 excel 的数据表中，Pandas 可以灵活的按列或行处理数据，几乎是最常用的工具了。
NumPy 主要提供了矢量化数组运算的方法。通过将条件逻辑写成数组表达式，可以极大的简化代码（比如原先需要多个 if-else 分支循环才能实现的运算）。NumPy 的数据结构用于处理矩阵，是很多其他数值分析库的基础。
本文是我的「ML&DM 笔记」第六篇。应部分朋友的来信请求，先分享这部分与「分类」有关笔记。机器学习的这块知识体系非常庞大，部分知识可能深入不够，暂时仅供大家参考，我也还需要时间来更细致的学习。后续我会结合案例，单篇逐个进行讲解（可能需要的时间周期较长）。本文目前包括的理论包括决策树，规则分类器，最近邻方法，贝叶斯分类器，人工神经网络，支持向量机，集成学习以及不平衡类和多类问题。
本文是我的「ML&DM笔记」第五篇。本文将持续更新。