教程文件目录：
【No0102】邹博机器学习升级4（2017年3月14）
|-- 9.决策树和随机森林.flv
|-- 8.回归实践.flv
|-- 7.回归.flv
|-- 6.数据清洗.flv
|-- 5.Python库.flv
|-- 4.Python基础.flv
|-- 3.矩阵和线性代数.flv
|-- 24.HMM实践.flv
|-- 23.HMM.flv
|-- 22.主题模型实践.flv
|-- 21.主题模型.mkv
|-- 20.贝叶斯网络实践.flv
|-- 2.概率论与贝叶斯先验.flv
|-- 19.贝叶斯网络.flv
|-- 18.EM算法实践.flv
|-- 17.EM算法.flv
|-- 16.聚类实践.flv
|-- 15.聚类.flv
|-- 14.SVM实践.flv
|-- 13.SVM.flv
|-- 12.XGBoost实践.flv
|-- 11.提升.flv
|-- 10.决策树和随机森林实践.flv
|-- 1.机器学习与数学分析.flv
|-- 代码_ppt
  |-- 机器学习应用实验手册.pdf
  |-- xgboost-master-(windows上的编译包).zip
  |-- 9.决策树和随机森林.pdf
  |-- 8.回归实践.pdf
  |-- 8.Regression代码.zip
  |-- 7.回归.pdf
  |-- 6.数据清洗和特征选择.pdf
  |-- 6.Data代码.zip
  |-- 6.7.WordCloud.zip
  |-- 5.Python库.pdf
  |-- 5.Package代码.zip
  |-- 4.Python基础.pdf
  |-- 4.Python代码.zip
  |-- 3.矩阵和线性代数.pdf
  |-- 24.HMM实践.pdf
  |-- 24.HMM_代码.zip
  |-- 23.HMM.pdf
  |-- 22.主题模型实践.pdf
  |-- 22.LDA_代码.zip
  |-- 21.主题模型.pdf
  |-- 20.贝叶斯网络实践.pdf
  |-- 20.BayesianNetwork代码.zip
  |-- 2.概率论与贝叶斯先验.pdf
  |-- 19.贝叶斯网络.pdf
  |-- 18.EM算法实践.pdf
  |-- 18.EM代码.zip
  |-- 17.EM算法.pdf
  |-- 16.聚类实践.pdf
  |-- 16.Clustering代码.zip
  |-- 15.聚类.pdf
  |-- 14.SVM实践.pdf
  |-- 14.SVM代码.zip
  |-- 13.SVM.pdf
  |-- 12.XGBoost实践.pdf
  |-- 12.XGBoost代码.zip
  |-- 11.提升.pdf
  |-- 10.决策树和随机森林实践.pdf
  |-- 10.RandomForest代码.zip
  |-- 1.机器学习与数学分析.pdf