个人学习笔记，几乎都是在别人代码的基础上自己稍作修改，方便二次利用，介意的话请跳过这个系列文章，谢谢
参考至《Python大战机器学习》
基础篇
线性模型
线性回归模型
线性回归模型的正则化
逻辑回归
线性判别分析
决策树
回归决策树（DecisionTreeRegressor）
分类决策树（DecisionTreeClassifir）
决策图
贝叶斯分类器
高斯贝叶斯分类器（GaussianNB）
多项式贝叶斯分类器（MultinomialNB）
伯努利贝叶斯分类器（BernoulliNB）
递增式学习partial_fit 方法
k 近邻法
KNN分类
KNN回归
数据降维
PCA
超大规模数据降维Incremental PCA
KernelPCA
MDS
Isomap
LLE模型
聚类和EM 算法
K均值聚类（KMeans）
密度聚类（DBSCAN）
层次聚类（AgglomerativeClustering）
混合高斯（GaussianMixture）模型
高级篇
支持向量机
线性分类 SVM
非线性分类 SVM
线性回归 SVR
非线性回归 SVR
人工神经网络
感知机学习算法的原始形式
感知机学习算法的对偶形式
学习率与收敛速度
感知机与线性不可分数据集
多层神经网络
多层神经网络与线性不可分数据集
多层神经网络的应用
半监督学习
LabelPropagation
LabelSpreading
集成学习
AdaBoost
GradientTreeBoosting
RandomForest
工程篇
数据预处理
二元化
独热码
标准化
正则化
过滤式特征选取
包裹式特征选取
嵌入式特征选取
学习器流水线（Pipeline）
字典学习
模型评估、选择与验证
损失函数
数据集切分
性能度量
参数优化
实战篇
Kaggle