• 0.机器学习简介
• 1.线性代数基础
• 2.支持向量机
• 3.朴素贝叶斯
• 4.决策树
• 5.knn
• 6.集成学习
• 7.梯度提升树
• 8.特征工程
• 9.模型评估
• 10.降维
• 11.聚类
• 12.半监督学习
• 13.EM算法
• 14.最大熵算法
• 15.隐马尔可夫模型
• 16.概率图与条件随机场
• 17.边际概率推断
• 18.主题模型