准备系统性地整理一下数据挖掘&机器学习常见方法，温故而知新，less is more。
先列一下初步目录：（每个冒号后面是主要的focus）
1 关联规则挖掘：Apriori 算法& FP-tree
2 贝叶斯方法：朴素贝叶斯&贝叶斯网络
3 组合提升：Boosting&Adaboost，随机森林
4 决策树系列：ID3，C4.5 &MART(又叫GBDT(Gradient Boosting Decision Tree) )
5 主题模型：LDA&PLSA
6 聚类算法，包括混合高斯模型
7 回归分析，包括logistic，regularlization
8 EM
9 SVM
10 异常检测
11 KNN&推荐系统
12 随机模拟及抽样：MCMC
13 Deep learning 一些专题，包括特征提取，降维及神经网络
14 时间序列
15 海量数据处理方法
16 待补充
进度安排：
一周一至二篇，加油！