内容和笔记 这一章理论和实践的内容都很多，所以既要做总结、理解性的笔记，也要做实践的记录。 9.1 统计分布与假设检验 9.2 回归不止用于预测 9.3 使用scipy与statsmodels完成统计建模 9.4 机器学习的研究范畴 9.5 使用scikit-learn完成机器学习任务 9.6 基于距离的KNN模型 9.7 基于优化的LDA与SVM模型 9.8 基于树形结构的模型 9.9 集成学习模型与GBDT 9.10 从神经网络模型到深度学习 9.11 使用PyTorch实现神经网络 9.12 聚类算法 9.13 关联关系挖掘模型 9.14 图数据与PageRank算法 9.15 朴素贝叶斯与贝叶斯网络