├── PART1
│ ├── 01-1-1课程内容和理念
│ ├── 02-1-2初识机器学习
│ ├── 02-1-2-1本章总览
│ ├── 02-2-2-2数据长什么样：常见数据集、典型实例、如何使用
│ ├── 02-3-2-3研究哪些问题：分类、回归等
│ ├── 02-4-2-4如何分门别类：监督、无监督、强化学习等
│ ├── 02-5-2-5机器学习的七大常见误区和局限
│ ├── 03-1-3课程使用的技术栈
│ ├── 03-1-3-1本章总览：相互关系与学习路线
│ ├── 03-2-3-2Anaconda图形化操作
│ ├── …
│ ├── 03-4-3-4JupyterNotebook基础使用
│ ├── …
│ ├── 03-6-3-6Numpy基础：安装与性能对比
│ ├── 03-7-3-7Numpy数组创建：特定数组、等差数组、随机数组
│ ├── 03-8-3-8Numpy数组基础索引：索引和切片
│ ├── …
│ ├── 03-10-3-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算
│ ├── …
│ ├── 03-14-3-14Matplotlib数据可视化：基础绘制与设置
│ ├── 04-1-4-1本章总览
│ ├── 04-2-4-2KNN算法核心思想和原理
│ ├── 04-3-4-3KNN分类任务代码实现
│ ├── 04-4-4-4数据集划分：训练集与预测集
│ ├── …
│ ├── 04-7-4-7特征归一化
│ ├── 04-8-4-8KNN回归任务代码实现
│ ├── 04-9-4-9KNN优缺点和适用条件
│ ├── 05-1-5-1本章总览
│ ├── 05-2-5-2线性回归核心思想和原理
│ ├── 05-3-5-3逻辑回归核心思想和原理
│ ├── 05-4-5-4线性回归代码实现
│ ├── …
│ ├── 05-7-5-7逻辑回归算法
│ ├── 05-8-5-8线性逻辑回归代码实现
│ ├── …
│ ├── 05-10-5-10复杂逻辑回归及代码实现
│ ├── 05-11-5-11线性算法优缺点和适用条件
│ ├── 06-1-6-1本章总览
│ ├── 06-2-6-2损失函数
│ ├── 06-3-6-3梯度下降
│ ├── …
│ ├── 06-5-6-5过拟合与欠拟合
│ ├── 06-6-6-6学习曲线
│ ├── 06-7-6-7交叉验证
│ ├── …
│ ├── 06-9-6-9正则化
│ ├── 06-10-6-10LASSO和岭回归代码实现
│ ├── …
│ └── 06-13-6-13评价指标：ROC曲线
└── PART2
├── 07-1-7-1本章总览
├── 07-2-7-2决策树核心思想和原理
├── 07-3-7-3信息熵
├── …
├── 07-6-7-6决策树剪枝
├── 07-7-7-7决策树回归任务代码实现
├── 07-8-7-8决策树优缺点和适用条件
├── 08-1-8-1本章总览
├── 08-2-8-2神经网络核心思想和原理
├── …
├── 08-4-8-4正向传播与反向传播
├── 08-5-8-5梯度下降优化算法
├── 08-6-8-6神经网络简单代码实现
├── …
├── 08-9-8-9神经网络优缺点和适用条件
├── 09-1-9-1本章总览
├── 09-2-9-2SVM核心思想和原理
├── 09-3-9-3硬间隔SVM
├── 09-4-9-4SVM软间隔
├── 09-5-9-5线性SVM分类任务代码实现
├── 09-6-9-6非线性SVM：核技巧
├── …
├── 09-8-9-8非线性SVM代码实现
├── …
├── 09-10-9-10SVM优缺点和适用条件
├── 10-1-10-1本章总览
├── 10-2-10-2贝叶斯方法核心思想和原理
├── 10-3-10-3朴素贝叶斯分类
├── 10-4-10-4朴素贝叶斯的代码实现
├── …
├── 10-6-10-6贝叶斯方法优缺点和适用条件
├── 11-1-11-1本章总览
├── 11-2-11-2集成学习核心思想和原理
├── 11-3-11-3集成学习代码实现
├── 11-4-11-4并行策略：Bagging、OOB等方法
├── 11-5-11-5并行策略：随机森林
├── 11-6-11-6串行策略：Boosting
├── 11-7-11-7结合策略：Stacking方法
├── 11-8-11-8集成学习优缺点和适用条件
├── 12-1-12-1本章总览
├── 12-2-12-2聚类算法核心思想和原理
├── 12-3-12-3k-means和分层聚类
├── 12-4-12-4聚类算法代码实现
├── …
├── 12-6-12-6聚类算法优缺点和适用条件
├── 13-1-13-1本章总览
├── 13-2-13-2PCA核心思想和原理
├── 13-3-13-3PCA求解算法
├── 13-4-13-4PCA算法代码实现
├── …
├── 13-7-13-7PCA在人脸识别中的应用
├── 13-8-13-8主成分分析优缺点和适用条件
├── 14-1-14-1本章总览
├── 14-2-14-2概率图模型核心思想和原理
├── 14-3-14-3EM算法参数估计
├── 14-4-14-4隐马尔可夫模型代码实现
├── 14-5-14-5概率图模型优缺点和适用条件
├── 15-1-15-1本章总览
├── 15-2-15-2泰坦尼克生还预测
├── 15-3-15-3房价预测
├── 15-4-15-4交易反欺诈代码实现
└── 15-5-15-5如何深入研究机器学习
