5、第四章 k-临近算法1-7

学员 1、第一章 机器学的任务和方法1-2

学员 2、第二章 Python语言基础1-6

学员 3、第二章 Python语言基础7-13

学员 4、第三章 分类算法介绍1

学员 6、第五章 决策树1-5

学员 7、第六章 基于概率论的分类方法：朴素贝叶斯1-6

学员 8、第七章 Logistic回归1-6

学员 9、第八章 支持向量机1-8

学员 10、第九章 利用AdaBoost元算法提高分类性能1-5

学员 11、第十章 利用回归预测数值型数据1-5

学员 12、第十一章 树回归1-3

学员 13、第十二章 无监督学习1

学员 14、第十三章 利用K-均值聚类算法对未标注数据分组1-2

学员 15、第十四章 使用Apriori算法进行关联分析1-3

学员 16、第十五章 使用FP-growth算法来高效发现频分项集1-3

学员 17、第十六章 利用PCA来简化数据1-2

学员 18、第十七章 利用SVD简化数据1-3

学员 19、第十八章 大数据与MapReduce1

学员 20、第十九章 学习总结