视频+资料+代码 第一课:机器学习与数学分析 第二课:概率论与贝叶斯先验 第三课:矩阵和线性代数 第四课:Python基础 第五课:Python基础2 - 机器学习库 第六课:Python基础3 - 数据清洗和特征选择 第七课:回归 第八课:Logistic回归 第九课:回归实践 第十课:决策树和随机森林 第十一课:决策树和随机森林实践 第十二课:提升 第十三课:提升实践 第十四课:SVM .......