0 综述
====
1 基本模型
======
1.1 回归
1.2 决策树与随机森林
1.3 SVM
1.4 最大熵与EM算法
2 特征工程
=======
2.1 特征工程
2.2 多算法组合与模型最优
3 工业实践
=======
3.1 Sklearn与机器学习实战
3.2 高级工具库xgboost/LightGBM与建模实战
3.3 推荐系统原理与应用
3.4 聚类算法
4 深入机器学习
=========
4.1 贝叶斯网络
4.2 隐马可夫链HMM
4.3 主题模型LDA
感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：
① 2000多本Python电子书（主流和经典的书籍应该都有了）
② Python标准库资料（最全中文版）
③ 项目源码（四五十个有趣且经典的练手项目及源码）
④ Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）
⑤ Python学习路线图（告别不入流的学习）
