allow_pickle: 可选，布尔值，允许使用 Python pickles 保存对象数组，Python 中的 pickle 用于在保存到磁盘文件或从磁盘文件读取之前，对对象进行序列化和反序列化。
fix_imports: 可选，为了方便 Pyhton2 中读取 Python3 保存的数据。
In [81]: a = np.random.randint(1, 10, [3, 4]) In [82]: np.save("a.npy", a) In [83]: np.load("a.npy") Out[83]: array([[2, 7, 3, 1], [4, 6, 4, 3], [2, 2, 9, 5]])参考资料：
参考资料：
[1] NumPy菜鸟教程：https://www.runoob.com/numpy/numpy-tutorial.html
[2] NumPy官方文档：https://numpy.org/doc/stable/user/quickstart.html
时间不太够，后面写的有点仓促了，但应该并不影响正常阅读和以后的复习，暂时就这样吧。
注意：只记录了一些常用的，其他的话后期用到了再进行更新吧，其他内容可自行参考文档。
本来是打算按照《机器学习实战 / Machine Learning in Action》这本书来手撕其中代码的，但由于实际原因，可能需要先手撕SVM了，这个算法感觉还是挺让人头疼，其中内部太复杂了，也很少有资料将其完整的推导出来，也涉及到了许多陌声的名词，如：非线性约束条件下的最优化、KKT条件、拉格朗日对偶、最大间隔、最优下界、核函数等等，天书或许、可能、大概就是这样的吧。好在之前有学习过SVM，但想必依然需要花费大力气来手撕，也需要参考不少资料，包括但不局限于《机器学习实战 / Machine Learning in Action》、《机器学习》、《统计学习方法》。
所以，下期的话，应该会开始手撕SVM，至于最后能不能手撕成功，还真不好说。时间可能需要不少，这期间的LeetCode HOT 100 还需要正常刷起来。
我是Taoye，爱专研，爱分享，热衷于各种技术，学习之余喜欢下象棋、听音乐、聊动漫，希望借此一亩三分地记录自己的成长过程以及生活点滴，也希望能结实更多志同道合的圈内朋友，更多内容欢迎来访微信公主号：玩世不恭的Coder。