本章呢，是最后一章，一本书，就这样看完了。真正看懂了，学会了没有，其实，我还真的想问问自己，发自内心觉得，不怎么样。不是说人家书不行啊，是咱这个人不太上心（老师您看到后，也不要觉得这个同学竟然没有认真看，真是浪费时间。其实啊，老师，我也真的看了，但是有没有一种可能就是看了之后就忘了，前段时间我看了几章，最近这几天要写笔记，但是都不知道要怎么去写了，不知道从哪里下手了，唉，老师啊，其实呢，我又回过去把前段时间看的翻了翻，想起来了重点，知道怎么下笔了）。
OK，言归正传，本章主要讲的是如何让计算机“学习”，这个学习都加上了引号！这说明什么啊，这说明计算机也能自己学习呢！让计算机自己学习也是机器学习。在机器学习中，我们使用学习程序让计算机读取数据，并根据大量数据特征让计算机自己进行学习。分类问题是机器学习的主要之一，那么问题来了，什么是分类学习呢？这个，其实，我也不知道，书上是怎么讲的，对数据进行正确识别和分类就是分类学习。
SVM是一种机器学习算法，那么什么是SVM呢？所谓的SVM是支持向量机，那么问题又来了，什么是支持向量机呢？这个，我也不知道，听着怪高级呢？这个我看书上讲的有些复杂，我来大概说一下吧，其实呢，支持向量机是由Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。在机器学习中，支持向量机(SVM，还支持矢量网络)是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。
等等，看了最后一章我还知道了为什么在机器学习领域使用python了，因为python提供很多机器学习相关的库，我们可以通过使用解释器方便的使用这些功能。
好了，好了，本章大概讲了这些，但还有好多细东西，我就不一一例举了。