1、机器学习简介

1. 什么是机器学习？

2. 为什么我们需要机器学习？

3. 机器学习解决了哪些类型的问题？

4. 您处理的数据类型？

2、监督学习？

1. 什么是监督学习？

2. 分类

3. 回归

4. 分类算法

5. 回归算法

6. 分类和回归的模型评估指标

3、无监督学习

1. 什么是无监督学习？

2. 预处理和缩放数据集

3. 降维

4. 特征提取

5. 流形学习

6. 聚类

7. 聚类算法

4、特征工程

1. 分类特征

2. 一热编码

3. 分箱和离散化

4. 相互作用和多项式

5. 单变量非线性变换

6. 线性模型和树

7. 特征选择

5、模型评估

1. 过拟合和欠拟合

2. 交叉验证

3. 网格搜索

4. 评估指标

5. 型号选择

6. 超参数调优

6、处理文本数据

1. 文本数据的类型

2. 分析情绪

3. 袋模型

4. 停用词

5. Tf-Idf

6. 符号化

7. 提取词根

8. 词形还原

9. 主题建模

10. 文档聚类

7、管道

1. 参数选择

2. 建筑管道

3. 在网格搜索中使用管道

文章来源：https://bhagirathkd.hashnode.dev/all-topics-of-machine-learning-you-should-know