Ch00📖
正文前
Preface
Ch01🤖
机器学习
Machine Learning
Ch02📉
回归分析
Regression Analysis
Ch03📊
多元线性回归
Multiple Linear Regression
Ch04〰️
非线性回归
Nonlinear Regression
Ch05⚖️
正则化
Regularization
Ch06🎲
贝叶斯回归
Bayesian Regression
Ch07📈
高斯过程
Gaussian Process
Ch08🎯
最近邻分类
KNN Classification
Ch09🔮
朴素贝叶斯分类
Naive Bayes
Ch10🔍
高斯判别分析
Gaussian Discriminant
Ch11✂️
支持向量机
Support Vector Machine
Ch12🧬
核技巧
Kernel Trick
Ch13🌳
决策树
Decision Tree
Ch14🔄
主成分分析
PCA
Ch15✂️
截断型奇异值分解
Truncated SVD
Ch16🎓
主成分分析进阶
Advanced PCA
Ch17🔗
主成分分析与回归
PCA & Regression
Ch18🌀
核主成分分析
Kernel PCA
Ch19🔄
典型相关分析
CCA
Ch20🎯
k均值聚类
K-Means Clustering
Ch21🎨
高斯混合模型
Gaussian Mixture
Ch22🌲
层次聚类
Hierarchical Clustering
Ch23🌈
谱聚类
Spectral Clustering
📚 Book7 知识体系
回归模型（Ch01-07）
- •线性回归、多元回归
- •非线性回归、正则化
- •贝叶斯回归、高斯过程
分类算法（Ch08-13）
- •KNN、朴素贝叶斯
- •高斯判别、SVM
- •核技巧、决策树
降维聚类（Ch14-23）
- •PCA、SVD、核PCA
- •典型相关分析
- •K-Means、GMM、层次聚类、谱聚类
💡 核心思想：从数据中学习模式，揭示规律