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
/
00 离线版加密(金盾)
/
12、IT行业专栏(金盾)
/
【九天菜菜】【训练营6期】机器学习实战
/
01.Lesson-0.1-前言与导学(上).mp4
02.Lesson-0.2-前言与导学(下).vip
03.Lesson-1.1-机器学习基本概念与建模流程(上).vip
04.Lesson-1.2-机器学习基本概念与建模流程(下).vip
05.Lesson-2.1-矩阵运算基础、矩阵求导与最小二乘法(一).vip
06.Lesson-2.2-矩阵运算基础、矩阵求导与最小二乘法(二).vip
07.Lesson-2.3-矩阵运算基础、矩阵求导与最小二乘法(三).vip
08.Lesson-3.0-线性回归的手动实现.vip
09.Lesson-3.1-变量相关性基础理论.vip
10.Lesson-3.2-数据生成器与Python模块编写.vip
100.【特征工程】Part-2.7-逻辑回归机器学习流构建与训练.vip
101.【特征工程】Part-2.8-逻辑回归机器学习流超参数搜索调优.vip
102.【特征工程】Part-2.9-自定义sklearn评估器网格搜索.vip
103.【特征工程】Part-2.10-逻辑回归模型解释与特征系数解读.vip
104.【特征工程】Part-2.11-决策树模型训练与优化.vip
105.【特征工程】Part-2.12-决策树模型解释与结果解读.vip
106.【特征衍生】Part-3.1.1-特征衍生方法综述.vip
107.【特征衍生】Part-3.1.2-基于业务的新用户标识字段创建与验证.vip
108.【特征衍生】Part-3.1.3-基于业务的服务购买字段创建.vip
109.【特征衍生】Part-3.1.4-基于数据探索的用户属性字段创建:基本思路与IV值计算过程.vip
11.Lesson-3.3-线性回归手动实现与模型局限.vip
110.【特征衍生】Part-3.1.5-借助IV值检验衍生特征有效性方法.vip
111.【特征衍生】Part-3.1.6-基于数据探索的合约字段创建与验证.vip
112.【特征衍生】Part-3.2.1-单变量特征衍生方法.vip
113.【特征衍生】Part-3.2.2-四则运算衍生与分组交叉衍生.vip
114.【特征衍生】Part-3.2.3-分组统计特征衍生.vip
115.【特征衍生】Part-3.2.4-多项式特征衍生.vip
116.【特征衍生】Part-3.2.5-统计演变特征.vip
117.【特征衍生】Part-3.2.6-多变量交叉组合特征衍生.vip
118.【特征衍生】Part-3.2.7-多变量分组统计衍生方法介绍.vip
119.【特征衍生】Part-3.2.8-多变量分组统计函数编写.vip
12.Lesson-3.4-机器学习模型可信度理论与交叉验证基础.vip
120.【特征衍生】Part-3.2.9-多变量多项式衍生与笛卡尔积运算.vip
121.【特征衍生】Part-3.2.10-多变量多项式衍生函数创建.vip
122.【特征衍生】Part-3.2.11-时序特征分析方法.vip
123.【特征衍生】Part-3.2.12-时序特征衍生与自然周期划分.vip
124.【特征衍生】Part-3.2.13-时序特征衍生本质与时间差值衍生.vip
125.【特征衍生】Part-3.2.14-时序特征衍生函数创建.vip
126.【特征衍生】Part-3.2.15-时间序列分析简介.vip
127.【特征衍生】Part-3.2.16-词向量化与TF-IDF.vip
128.【特征衍生】Part-3.2.17-NLP特征衍生方法介绍.vip
129.【特征衍生】Part-3.2.18-NLP特征衍生函数编写与使用.vip
13.Lesson-4.1.1-逻辑回归模型构建与多分类学习方法(上).vip
130.【特征衍生】Part-3.2.19-交叉组合与多项式衍生高阶函数.vip
131.【特征衍生】Part-3.2.20-分组统计高阶函数编写.vip
132.【特征衍生】Part-3.2.21-目标编码.vip
133.【特征衍生】Part-3.2.22-关键特征衍生高阶函数.vip
134.【特征衍生】Part-3.2.23特征衍生实战-1.vip
135.【特征衍生】Part-3.2.24-特征衍生实战-2.vip
136.【特征衍生】Part-3.2.25-特征衍生实战-3.vip
137.【特征衍生】Part-3.2.26-特征衍生实战-4.vip
138.【特征衍生】Part-3.2.27-特征衍生流程总结.vip
139.【特征筛选】Part-3.3.0-特征筛选技术介绍.vip
14.Lesson-4.1.2-逻辑回归模型构建与多分类学习方法(下).vip
140.【特征筛选】Part-3.3.1-缺失值过滤与方差过滤.vip
141.【特征筛选】Part-3.3.2-评分函数与特征筛选评估器.vip
142.【特征筛选】Part-3.3.3-假设检验基本流程.vip
143.【特征筛选】Part-3.3.4-卡方检验与特征筛选.vip
144.【特征筛选】Part-3.3.5-方差分析与特征筛选.vip
145.【特征筛选】Part-3.3.6-线性相关性的F检验.vip
146.【特征筛选】Part-3.3.7-离散变量之间的互信息法.vip
147.【特征筛选】Part-3.3.8-连续变量与离散变量的互信息法.vip
148.【特征筛选】Part-3.3.9-连续变量之间的互信息计算过程.vip
149.【特征筛选】Part-3.3.10-互信息法特征筛选实践.vip
15.Lesson-4.2-逻辑回归参数估计.vip
150.【特征筛选】Part-3.3.11-feature_importance特征筛选.vip
151.【特征筛选】Part-3.3.12-RFE筛选与RFECV筛选.vip
152.【特征筛选】Part-3.3.13-SFS方法与SFM方法.vip
153.【特征筛选】Part-3.3.14-特征筛选方法总结.vip
154.【模型优化】Part-4.0第四部分导学.vip
155.【模型优化】Part-4.1.1-海量特征衍生与筛选(上).vip
156.【模型优化】Part-4.1.2-海量特征衍生与筛选(下).vip
157.【模型优化】Part-4.2.1-网格搜索超参数优化实战(上).vip
158.【模型优化】Part-4.2.2-网格搜索超参数优化实战(下).vip
159.【模型融合】Part-4.3.1-模型融合与深度森林技术体系介绍.vip
16.Lesson-4.3.1-梯度下降基本原理与手动实现(上).vip
160.【模型融合】Part-4.3.2.1-投票法与均值法.vip
161.【模型融合】Part-4.3.2.2-阈值移动的TPE搜索与交叉验证.vip
162.【模型融合】Part-4.3.3.1-加权平均融合与理论最优权重.vip
163.【模型融合】Part-4.3.3.2-加权平均法的经验法权重设置策略.vip
164.【模型融合】Part-4.3.3.3-基于搜索空间裁剪的权重搜索策略.vip
165.【模型融合】Part-4.3.3.4-交叉训练与Stacking融合的基本思路.vip
166.【模型融合】Part-4.3.4.1-交叉训练基本思想和数据准备.vip
167.【模型融合】Part-4.3.4.2-随机森林模型的交叉训练过程.vip
168.【模型融合】Part-4.3.4.3-决策树&逻辑回归的交叉训练.vip
169.【模型融合】Part-4.3.4.4-基于交叉训练的TPE搜索融合.vip
17.Lesson-4.3.2-梯度下降基本原理与手动实现(下).vip
170.【模型融合】Part-4.3.5.1-细粒度&多级分层加权融合原理.vip
171.【模型融合】Part-4.3.5.2-细粒度&多级分层加权融合实践.vip
172.【模型融合】Part-4.3.6.1-Stacking基本原理与手动实现方法.vip
173.【模型融合】Part-4.3.6.2-Stacking优化方法初阶.vip
174.【模型融合】Part-4.3.7.1-Stacking一级学习器训练策略.vip
175.【模型融合】Part-4.3.7.2-Stacking元学习器优化流程.vip
176.【模型融合】Part-4.3.8.1-Stacking自动超参数交叉训练函数.vip
177.【模型融合】Part-4.3.8.2-Stacking自动元学习器优化函数.vip
178.【模型融合】Part-4.3.9-Blending融合原理与实践.vip
179.【模型融合】Part-4.3.10-Blending融合进阶优化策略.vip
18.Lesson-4.4.1-随机梯度下降与小批量梯度下降(上).vip
180.【模型融合】Part-4.3.11.1-回归类集成算法优化策略(上).vip
181.【模型融合】Part-4.3.11.2-回归类集成算法优化策略(下).vip
下一页
© 2026
⚠
信息加载中,请等待...