$7.0 什么是机器学习 $7.1 相关关系和相关系数(correlation and correlation coefficient) $7.2 相关系数的显著性检验 $7.3 线性回归和非线性回归 $7.4 一元线性回归线的置信区间 $7.5 多元二项式回归的Matalab实现 $7.6 回归方程的拟合检验 $7.7 Logistic Regression (Intuition) $7.8 Support Vector Machines (支持向量机) $7.9 Training, Validation, and Test

导论 非参数分析的重要性 什么是非参数分析 (Nonparametric Analysis) 全局平滑法 (Global Smoothing) 非参数方法与机器学习 局部平滑法 (Local Smoothing)

3.1 开始使用Python 3.2 Ubuntu/Linux中的Python 3.3 本章小结

2.1 C++入门 2.2 在Ubuntu Linux中运行C++ 2.3 从实例中学习OOP概念 2.4 建立一个C++工程

1.1 从GNU/Linux入门 1.2 安装Ubuntu 1.3 使用Ubuntu图形用户界面 1.4 shell命令入门

8.1 机器学习的基本概念 8.2 机械学习 8.3 指导学习 8.4 类比学习 8.5 归纳学习 8.6 解释学习 8.7 知识发现与数据挖掘 8.8 学习控制系统

9.1 机器学习概述 9.2 符号学习 9.3 神经网络学习 9.4 知识发现与数据挖掘

6.1 产生式规则 6.2 产生式系统

杭州电子科技大学：《人工智能导论》课程教学资源（PPT课件讲稿）第六讲 机器学习基础（机器学习与知识发现）

9.1 机器学习概述 9.2 符号学习 9.3 神经网络学习 9.4 知识发现与数据挖掘