探索澳大利亚天气，进行特征工程时对于地点这个特征进行爬虫爬取，使之与气候站的天气进行关联。数据预处理也比较繁琐。后期进行建模对于准确度和recall都进行不断优化。算是难度比较大的一个svm案例。

手撕SVM损失函数的求解，有拉格朗日乘子法、对偶问题、KKT条件，将使用SVM进行决策过程可视化从线性的推广到非线性的3D图中。

机器学习里面的knn算法，比较细节得分析了一个 kaggle上面的完整案例，包括处理数据、拟合模型和测试模型，计算准确率等。

详细介绍了聚类分析的分类以及优缺点

介绍样本分类不平衡问题的解决办法，以及SVC的六个模型评价指标，ROC曲线。

比较细节得讲了决策树的六个参数，一个重要参数，两个随机参数和三个剪枝参数，以及决策树如何让将这个图片导出来。

介绍核函数的不同类型、核函数在不同数据集上的表现，在rbf上表现最好。以及核函数的缺点，提醒我们需要将数据进行统一量纲处理。

介绍了非监督学习里面的回归算法的定义，并用波士顿房价的例子进行线性回归，将两种解法（梯度下降法和正规方程法）进行对比，运用均方误差和进行模型评估。还介绍了过拟合和欠拟合以及他们的解决办法（岭回归和Lasso回归）。.........

介绍了运用贝叶斯算法进行分类，他 的基本概念、进行文本分类案例，进行优缺点的评估。以及分类模型地方调参技巧（网格搜索）以及交叉验证，并在实例中进行检验