1. 机器学习概述 1.1 人工智能概述 1.2 什么是机器学习 1.3 机器学习算法分类 1.4 机器学习开发流程 1.5 学习框架和资料介绍 2. 特征工程 2.1 数据集 2.2 特征工程介绍 2.3 特征工程–特征抽取 2.4 特征工程–特征预处理 2.5 特征工程–特征降维 2.6 主成分分析 3. 分类算法 3.1 sklearn转换器和估计器 3.2 K-邻近算法 3.3 模型选择与调优 3.4 朴素贝叶斯算法 3.5 决策树 3.6 集成学习方法之随机森林 3.7 总结 4. 回归与聚类算法 4.1 线性回归 4.2 欠拟合与过拟合 4.3 线性回归的改进—岭回归 4.4 分类算法—逻辑回归与二分类 4.5 模型保存和加载 4.6 无监督学习—K-means算法 4.7 总结