25 | 基于特征的区域划分：树模型
24 | 深度编解码：表示学习
23 | 层次化的神经网络：深度学习
22 | 自适应的基函数：神经网络
21 | 基函数扩展：属性的非线性化
20 | 基于距离的学习：聚类与度量学习
19 | 非参数化的局部模型：K近邻
18 | 从全局到局部：核技巧
17 | 几何角度看分类：支持向量机
16 | 建模非正态分布：广义线性模型
15 | 从回归到分类：联系函数与降维
14 | 非线性降维：流形学习
13 | 线性降维：主成分的使用
12 | 正则化处理：收缩方法与边际化
11 | 基础线性回归：一元与多元
08 | 模型的评估指标
07 | 模型的验证方法
06 | 模型的设计准则