**更新记录**:

2020/3/：

 	1. 修改第五章决策树部分，补充 ID3 和 CART 的原理，代码实现以 CART 为主。
 	2. 第七章添加 L1 和 L2 正则化最优解的推导 (即 L1稀疏解的原理)。
 	3. 第七章添加集成学习方法的推导与代码实现，包括 Bagging (随机森林)、Boosting (Adaboost、GBDT、XGBoost)
 	4. 第八章添加牛顿法与拟牛顿法 (DFP、BFGS、L-BFGS) 的推导。
 	5. 第十一章节添加高斯过程回归 (GPR) 与贝叶斯优化的推导与代码实现。