01.机器学习笔记01：机器学习前置概念导入、线性回归、梯度下降算法
02.机器学习笔记02：多元线性回归、多元梯度下降算法、特征缩放、均值归一化、正规方程
03.机器学习笔记03：octave安装、创建矩阵
04.机器学习笔记04：octave中移动、操作数据
05.机器学习笔记05：使用octave进行数据运算
06.机器学习笔记06：octave可视化数据
07.机器学习笔记07：octave中的控制语句以及函数的使用
08.机器学习笔记08：octave中使用函数将数据向量化
09.机器学习笔记09：分类问题的学习算法、逻辑回归、决策界限、多元分类、一对多算法
10.机器学习笔记10：过拟合问题、正则化、正则化后的算法
11.机器学习笔记11：神经网络
12.机器学习笔记12：神经网络在分类问题中的应用、反向传播算法、梯度检验、随机初始化
13.机器学习笔记13：机器学习诊断法、评估假设、模型选择、方差和偏差问题、学习曲线
14.机器学习笔记14：机器学习系统设计、偏斜类问题的误差评估、引入数值评价指标
15.机器学习笔记15：支持向量机SVM
16.机器学习笔记16：无监督学习、聚类算法、K－Means算法
17.机器学习笔记17：降维、数据压缩、PCA与监督学习算法
18.机器学习笔记18：异常检测问题、高斯分布、异常检测算法
19.机器学习笔记19：基于内容的推荐系统、协同过滤算法/低秩矩阵分解
20.机器学习笔记20：处理大数据集的算法、随机梯度下降、Mini-Batch梯度下降算法、在线学习机制、减小映射
21.机器学习笔记21：机器学习的应用、OCR系统、滑动窗口分类器、人工数据合成、上限分析