• ApacheCN

• 廖雪峰 Python3 教程

• 周志华《机器学习》(链接：https://pan.baidu.com/s/1KRVO694H3QSP8jAqdegzHA 密码：gwpt)

• 优秀github资源： 周志华《机器学习》学习笔记
  周志华《机器学习》课后参考答案 周志华《机器学习》课后参考答案-博客

• 本训练营的学习安排与课程任务：详见文件夹Books中的《机器学习作业》doc文档

总课时：11 周

• 1 学习机器学习绪论
• 2 达观杯NLP算法大赛

• 3 学习线性模型
• 4 学习sklearn包中逻辑回归算法的使用

• 5 决策树的分裂准则
• 6 决策树的剪枝和连续值处理
• 7 学习sklearn包中决策树算法的使用

• 8 支持向量机原始模型的建立和求解
• 9 核函数和软间隔支持向量机
• 10 了解sklearn包中svm算法的使用

• 11 极大似然估计与朴素贝叶斯
• 12 EM算法
• 13 了解sklearn包中的朴素贝叶斯算法的适用

• 14 神经网络结构
• 15 BP算法
• 16 深度学习初探
• 17 了解sklearn包中神经网络的使用

• 18 经验误差与过拟合
• 19 评估方法
• 20 性能度量
• 21 了解sklearn包中模型评估方法的使用

• 22 特征降维
• 23 特征选择
• 24 了解sklearn包中特征选择和降维算法的使用

• 25 集成学习
• 26 结合策略
• 27 实验-lightGBM的使用

• 28 聚类
• 29 HMM
• 30 了解sklearn包中K-means算法的使用

• 31 K-摇臂赌博机和天池o2o比赛初级
• 32 有/无模型学习和天池o2o比赛进阶

Books----------------------------------作业汇总和西瓜书笔记pdf文档
Note-----------------------------------笔记文件夹
+----image-----------------------------笔记截图
+----markdown--------------------------markdown格式视频笔记
+----notebook--------------------------JupyterNotebook格式视频笔记
Week1----------------------------------第一周作业
Week2----------------------------------第二周作业
Week3----------------------------------第三周作业
Week4----------------------------------第四周作业
Week5----------------------------------第五周作业
Week6----------------------------------第六周作业
Week7----------------------------------第七周作业
Week8----------------------------------第八周作业
Week9----------------------------------第九周作业
Week10---------------------------------第十周作业
Week11---------------------------------第十一周作业

  前后用了一周时间结合Vay-keen大神的笔记做的整理，首先感谢Vay-keen大神为我们这些学习者节约了寻找相关辅助学习资料的时间，笔记中有很多相关的知识是书中没有的，同时笔者也加入了一些其他的辅助公式推导，在此也要感谢南瓜书的作者，是他们的开源公式推导帮助了我们。
  在学这本书之前，笔者曾经学了李航老师的第一版《统计学习方法》和《机器学习实战》，当时对里面一些公式部分不是很理解，这次系统性地学习了一遍西瓜书，结合了《统计学习方法》中的例题，更加深入的理解了机器学习中这些经典的算法，为接下来的《百面》一书的学习打下基础。笔者整理出了西瓜书笔记的PDF版本，供各位学习者下载使用。