SUMMARY

SUMMARY.md

++ [Sklearn 与 TensorFlow 机器学习实用指南](README.md)
++ [第0章 前言](docs/0.前言.md)
++ [第1章 机器学习概览](docs/1.机器学习概览.md)
++ [第2章 一个完整的机器学习项目](docs/2.一个完整的机器学习项目.md)
++ [第3章 分类](docs/3.分类.md)
++ [第4章 训练模型](docs/4.训练模型.md)
++ [第5章 支持向量机](docs/5.支持向量机.md)
++ [第6章 决策树](docs/6.决策树.md)
++ [第7章 集成学习和随机森林](docs/7.集成学习和随机森林.md)
++ [第8章 降维](docs/8.降维.md)
++ [第9章 启动并运行TensorFlow](docs/9.启动并运行TensorFlow.md)
++ [第10章 人工神经网络介绍](docs/10.人工神经网络介绍.md)
++ [第11章 训练深层神经网络](docs/11.训练深层神经网络.md)
++ [第12章 设备和服务器上的分布式TensorFlow](docs/12.设备和服务器上的分布式TensorFlow.md)
++ [第13章 卷积神经网络](docs/13.卷积神经网络.md)
++ [第14章 循环神经网络](docs/14.循环神经网络.md)
++ [第15章 自编码器](docs/15.自编码器.md)
++ [第16章 强化学习](docs/16.强化学习.md)

docs/0.前言.md

-# Chapter 0.前言
+# 第0章 前言
 
 ## 1、机器学习海啸
 

docs/6.决策树.md

-# Chapter 6.决策树
+# 第6章 决策树
 
 与支持向量机一样，决策树也是多功能的机器学习算法，既可以执行分类任务，也可以执行回归任务，甚至可以执行多输出任务。 它们是非常强大的算法，能够完美契合复杂的数据集。 例如，在第 2 章中，我们在加利福尼亚住房数据集上训练了一个 DecisionTreeRegressor 模型，并对其进行了完美拟合（实际上是对其进行过度拟合）。
 决策树也是随机森林的基本组成部分（参见第 7 章），它是当今最强大的机器学习算法之一。