响木SVIP目录
响木最新
响木众筹
响木众筹
当前目录
全盘
查全部
文件夹
文件
主页
/
我的资源
/
01 响木最新众筹课
/
2000-2999
/
2000-2099
/
2034.【训练营6期】数据分析实战
/
1.01 数据分析思维是什么.mp4
10.010.10 MySQL8.0 的安装教程_视频.mp4
100.100.PART5.3 使用sklearn实现决策树建模.mp4
101.101.PART5.4 CART分类树的参数详解.mp4
102.102.PART5.5 实例:泰坦尼克号幸存者的预测.mp4
103.103.PART6.1 学习曲线&交叉验证.mp4
104.104.PART6.2 sklearn中的网格搜索.mp4
105.105.PART7.1 线性回归及其基本原理.mp4
106.106.PART7.2 多元线性回归的实现及回归类模型评估指标.mp4
107.107.PART7.3 实例:使用线性回归预测鲍鱼年龄.mp4
108.108.PART7.4 线性回归改进算法:岭回归.mp4
109.109.PART7.5 线性回归改进算法:LASSO.mp4
11.011.11 Python的安装教程_视频.mp4
110.110.PART7.6 非线性问题:线性模型在非线性数据上的表现.mp4
111.111.PART7.7 非线性问题:多项式回归.mp4
112.112.PART8.1 名为“回归”的分类器:逻辑回归.mp4
113.113.PART8.2 逻辑回归在实际中的应用场景&优势.mp4
114.114.PART8.3 sklearn中的逻辑回归重要参数详解.mp4
115.115.PART8.4 使用sklearn实现逻辑回归.mp4
116.116.PART8.5 二分类中的样本不均衡问题.mp4
117.117.PART8.6 混淆矩阵及其衍生指标.mp4
118.118.PART8.7 ROC曲线&AUC面积.mp4
119.119.PART8.8 利用ROC曲线找出最佳阈值.mp4
12.012.12 数据分析师为什么需要Excel.mp4
120.120.PART8.9 【案例1】使用逻辑回归完成社交网络广告推荐的预测.mp4
121.121.PART8.10.1【案例2】数据概览及预处理.mp4
122.122.PART8.10.2【案例2】标签探索:离职员工状况概览.mp4
123.123.PART8.10.3【案例2】特征探索:员工满意度与离职之间的关系.mp4
124.124.PART8.10.4【案例2】特征探索:最新考核评估&参与项目数.mp4
125.125.PART8.10.5【案例2】特征探索:平均月工作时长&工作年限&工作事故.mp4
126.126.PART8.10.6【案例2】特征探索:岗位&薪资水平.mp4
127.127.PART8.10.7【案例2】特征工程&建模&模型调优.mp4
128.128.PART9.1 集成学习主要研究领域及简单集成技术.mp4
129.129.PART9.2 Bagging VS Boosting.mp4
13.013.13 重新认识Excel.mp4
130.130.PART10.1 随机森林原理及sklearn实现.mp4
131.131.PART10.2 弱评估器结构相关参数.mp4
132.132.PART10.3 随机性相关参数及属性详解.mp4
133.133.PART10.4 使用随机森林完成员工离职预测及调优.mp4
134.134.PART11.1 Boosting算法的基本要素和基本流程.mp4
135.135.PART11.2 梯度提升树的基本原理.mp4
136.136.PART11.3 GBDT分类和回归的sklearn快速实现.mp4
137.137.PART11.4 弱评估器数量相关参数及对模型的影响.mp4
138.138.PART11.5 迭代过程相关参数:学习率&初始值参数.mp4
139.139.PART11.6 GBDT的损失函数.mp4
14.014.14.1 Excel的基本操作_01.mp4
140.140.PART11.7 模型复杂度和不纯度衡量指标相关参数.mp4
141.141.PART11.8 提前停止机制及相关参数.mp4
142.142.PART11.9 GBDT的袋外数据.mp4
143.143.PART11.10 GBDT的超参数优化.mp4
144.144.PART12.1 学习XGBoost的四个层次.mp4
145.145.PART12.2 XGBoost的安装与卸载.mp4
146.146.PART12.3 XGBoost分类和回归的sklearn实现.mp4
147.147.PART12.4 XGBoost重要参数详解:迭代过程相关参数.mp4
148.148.PART12.5 XGBoost的弱评估器.mp4
149.149.PART12.6 弱学习器的分枝&剪枝&随机性.mp4
15.015.14.2 Excel的基本操作_02.mp4
150.150.PART12.7 XGBoost性能相关参数及超参数优化.mp4
151.151.PART13 机器学习算法的模型选择问题.mp4
152-【业务模型】01 业务分析模型概览.mp4
153-【业务模型】02 初学者如何学习业务分析方法.mp4
154-【业务模型】3.1 对比分析法.mp4
155-【业务模型】3.2 多维度拆解.mp4
156-【业务模型】3.3 漏斗分析法.mp4
157-【业务模型】3.4 公式拆解法.mp4
158-【业务模型】3.5 矩阵分析法.mp4
159-【业务模型】04 数据涨跌异动如何处理?.mp4
16.016.14.3 Excel的基本操作_03.mp4
160-【业务模型】5.1 用户行为序列分析.mp4
161-【业务模型】5.2 用户行为路径分析.mp4
162-【业务模型】5.3 用户行为分析常用工具.mp4
163-【业务模型】5.4 用户留存分析.mp4
164-【业务模型】5.5 同期群分析.mp4
165-【业务模型】5.6【实操】使用python完成同期群分析.mp4
166-【业务模型】5.7.1 用户画像的两种概念.mp4
167-【业务模型】5.7.2 为什么要分析用户画像.mp4
168-【业务模型】5.7.3 不同行业的用户画像应用.mp4
169-【业务模型】5.7.4 用户画像体系搭建流程.mp4
17.017.15.1 Excel的数据处理_01.mp4
170-【业务模型】6.1.1 什么是RFM模型.mp4
171-【业务模型】6.1.2 如何应用RFM模型.mp4
172-【业务模型】6.1.3 实操:RFM模型的实操项目.mp4
173-【业务模型】6.2.1 AARRR模型.mp4
174-【业务模型】6.2.2 使用AARRR模型实现用户增长(以网易云音乐为例).mp4
175-【AB测试】01 AB测试的起源.mp4
176-【AB测试】02 AB测试的基本定义.mp4
177-【AB测试】03 AB测试在互联网巨头公司中的发展历程.mp4
178-【AB测试】04 为什么互联网热衷于AB测试.mp4
179-【AB测试】05 AB测试的实际应用场景.mp4
18.018.15.2 Excel的数据处理_02.mp4
180-【AB测试】06 字节跳动是如何应用AB测试的.mp4
181-【AB测试】07【补充】AA测试.mp4
182-【AB测试】08【补充】多变量测试.mp4
183-【AB测试】09 AB测试基本流程:明确实验改动点、观测指标&计算样本量.mp4
184-【AB测试】10 AB测试基本流程:流量的分割.mp4
185-【AB测试】11 AB测试的基本流程:计算实验周期&灰度测试&结果评估.mp4
186-【AB测试】12 AB测试的基本原理:假设检验.mp4
187-【AB测试】13.1 AB测试面试常见角度.mp4
188-【AB测试】13.2.1【面试题】请描述一下什么是AB test.mp4
189-【AB测试】13.2.2【面试题】AB测试的核心原理是什么?.mp4
下一页
© 2026
⚠
信息加载中,请等待...