机器学习已经成为继理论、实验和数值计算之后的科研"第四范式"，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现
基础知识
1.Tidymodel,Tidyverse语法精讲
2.机器学习的基本概念
3.机器学习建模过程
4.特征工程
回归
1.线性回归略谈
2.岭回归
3.偏最小二乘法
4.Lasso回归与最小角度回归
树形模型
1.分类回归树
2.随机森林
集成学习
1.梯度提升法
2.装袋法
3.GBM与随机GBM
- XGBOST 5.总结
其它方法
1.支持向量机
2.深度学习基础
3.可解释的机器学习
降维
1.主成分分析
2.广义低秩模型
3.Autoenconders
聚类与分类
1.K-均值聚类
2.分层聚类
3.K-近邻分类
4.Logistic回归
tidymodels包 是一个框架，它基于tidyverse原则设计和构建的有利于建模和机器学习的一系列包集合。
tidymodels，一个符合tidyverse原则的建模框架，包括了一系列包来完成这个美好的使命。这一系列包，各自肩负着自己的责任，以融洽的方式在一起构成了tidymodels生态。