机器学习必修课经典算法与Python实战学习笔记
2-2-数据长什么样：常见数据集、典型实例、如何使用
2-3-研究哪些问题：分类、回归等
2-4-如何分门别类：监督、无监督、强化学习等
2-5-机器学习的七大常见误区和局限
3-1本章总览：相互关系与学习路线
3-2-Anaconda图形化操作
12-4-聚类算法代码实现
12-5-聚类评估代码实现
12-6-聚类算法优缺点和适用条件
13-1-本章总览
13-2-PCA核心思想和原理
13-3-PCA求解算法
13-4-PCA算法代码实现
13-5-降维任务代码实现
13-6-PCA在数据降噪中的应用
13-7-PCA在人脸识别中的应用
3-3-Anaconda命令行操作
13-8-主成分分析优缺点和适用条件
14-1-本章总览
14-2-概率图模型核心思想和原理
14-3-EM算法参数估计
14-4-隐马尔可夫模型代码实现
14-5-概率图模型优缺点和适用条件
15-1-本章总览
15-2-泰坦尼克生还预测
15-3-房价预测
15-4-交易反欺诈代码实现
3-4-JupyterNotebook基础使用
15-5-如何深入研究机器学习
3-5-JupyterNotebook高级使用：常用魔法命令
3-6-Numpy基础：安装与性能对比
3-7-Numpy数组创建：特定数组、等差数组、随机数组
3-8-Numpy数组基础索引：索引和切片
3-9-Numpy非常重要的数组合并与拆分操作
3-10-Numpy数组矩阵运算：一元运算、二元运算与矩阵运算
3-11-Numpy数组统计运算：常用的都在这儿了
3-12-Numpy数组arg运算和排序
3-13-Numpy数组神奇索引和布尔索引
3-14-Matplotlib数据可视化：基础绘制与设置