（零）内容目录--机器学习算法原理与编程实践

全书的三条主线：
1，从第一代神经网络（线性分类器），第二代神经网络（非线性）及其在预测领域的应用，到支持向量机，最后是深度学习
（第5，6，8，9，10章）
2，贝叶斯理论：从朴素贝叶斯算法到贝叶斯网，最后是隐马尔科夫模型（属于智能推理的范畴）（第2，11章）
3，矩阵降维，奇异值分解（SVD），和PCA算法（第4，9章）

本书章节目录：
第一章 机器学习的基础
第二章 中文文本分类
第三章 决策树的发展
第四章 推荐系统原理
第五章 梯度寻优
第六章 神经网络起步
第七章 预测的技术与哲学
第八章 支持向量机
第九章 人脸识别中的机器学习
第十章 认识计算与深度学习
第十一章 概率图模型与词性标注