├─文档
│  ├─00、课程介绍
│  │      《机器学习·升级版II》常见问题FAQ
│  │      
│  ├─01、机器学习的数学基础1 – 数学分析
│  │  │  1.数学分析与概率论.pdf
│  │  │  笔记.jpg
│  │  │  
│  │  └─参考文献资料
│  │          Clustering-by-fast-search-and-find-of-density-pea.pdf
│  │          Latent Dirichlet Allocation.pdf
│  │          MLAPP.pdf
│  │          PRML_Translation.pdf
│  │          李航.统计学习方法.pdf
│  │          
│  ├─02、数学基础2 – 数理统计与参数估计
│  │      2.数理统计与参数估计.pdf
│  │      
│  ├─03、数学基础3 – 矩阵和线性代数
│  │      3.矩阵和线性代数.pdf
│  │      
│  ├─04、数学基础4 – 凸优化
│  │      4.凸优化.pdf
│  │      
│  ├─05、Python基础及其数学库的使用
│  │      5.Python.rar
│  │      5.Python库.pdf
│  │      
│  ├─06、Python基础及其机器学习库的使用
│  │      6.Package代码.rar
│  │      6.Python库II.pdf
│  │      
│  ├─07、回归
│  │      7.回归.pdf
│  │      
│  ├─08、回归实践
│  │      8.Regression代码.rar
│  │      8.Regression代码.zip
│  │      8.回归实践.pdf
│  │      
│  ├─09、决策树和随机森林
│  │      9.决策树和随机森林.pdf
│  │      
│  ├─10、随机森林实践
│  │      10.RandomForest代码.rar
│  │      10.决策树和随机森林实践.pdf
│  │      
│  ├─11、提升
│  │      11.提升.pdf
│  │      
│  ├─12、XGBoost
│  │      12.6.Bagging_intro(老师新加的代码).zip
│  │      12.XGBoost(代码).zip
│  │      12.XGBoost实践.pdf
│  │      xgboost-master.zip
│  │      
│  ├─13、SVM
│  │      13.SVM.pdf
│  │      
│  ├─14、SVM实践
│  │      14.SVM(代码).rar
│  │      14.SVM实践.pdf
│  │      
│  ├─15、聚类
│  │      15.聚类.pdf
│  │      
│  ├─16、聚类实践
│  │      16.代码.rar
│  │      16.聚类实践.pdf
│  │      
│  ├─17、EM算法
│  │      17.EM算法.pdf
│  │      
│  ├─18、EM算法实践
│  │      18.EM算法实践.pdf
│  │      18.EM算法实践代码.rar
│  │      
│  ├─19、贝叶斯网络
│  │      19.贝叶斯网络.pdf
│  │      
│  ├─20、朴素贝叶斯实践
│  │      20.NaiveBayesian.zip
│  │      20.朴素贝叶斯实践.pdf
│  │      
│  ├─21、主题模型LDA
│  │      21.主题模型.pdf
│  │      
│  ├─22、LDA实践
│  │      22.LDA代码.rar
│  │      22.主题模型实践.pdf
│  │      
│  ├─23、隐马尔科夫模型HMM
│  │      23.HMM.pdf
│  │      
│  └─24、HMM实践
│          24.HMM代码.zip
│          24.HMM实践.pdf