本文主要对机器学习基础知识进行梳理、回顾，把一些需要记住的概念原理，和容易混淆，晦涩的知识点进行归纳。

1 机器学习基础

1.1 机器学习概述

1.2 监督学习

1.3 非监督学习

1.4 增强学习

1.5 深度学习

2 分类问题

2.1 KNN

2.2 NB

2.3 SVM

2.4 AdaBoost

2.5 DT

3 聚类分析

3.1 K-means

3.2 DBSCAN

3.3 LDA

4 预测分析

4.1 时间序列

4.2 BP神经网络

5 关联分析

5.1 Apriori

5.2 FP-Growth

6 回归分析

6.1 一元回归

6.2 多元回归

6.3 逻辑回归

7 集成学习

7.1 Bagging

7.2. 随机森林

7.3 Boosting

7.4 AdaBoost

8 深度学习

8.1 有监督

8.2 无监督

8.3 TensorFlow

8.4 Theano

9 数据预处理

9.1 数据清洗

9.1.1 异常值处理

9.1.2 缺失值处理

9.1.3 噪声处理

9.1.4 倾斜数据处理

9.2 数据集成

9.3 数据变换

9.4 数据归约

10 数据降维

10.1 主成份分析

10.2 奇异值分解