首页
拜师
课程
定制计划
博客资源站
手机app
首页
拜师
课程
定制计划
博客资源站
手机app
登录
注册
登录
注册
机器学习-Sklearn(第三版)
简介
分类
Sklearn
查看课程
任务列表
第1任务: 课件资料下载
第2任务: 001 - 00 课程介绍.mp4
第3任务: 002 - 1 1. 引言,sklearn入门.mp4
第4任务: 003 - ===【经典算法】1 决策树===.mp4
第5任务: 004 - 1 3. 分类树:参数Criterion.mp4
第6任务: 005 - 1 4. 分类树:实现一棵树,随机性参数.mp4
第7任务: 006 - 1 5. 分类树:剪枝参数调优(1).mp4
第8任务: 007 - 1 5. 分类树:剪枝参数调优(2).mp4
第9任务: 008 - 1 6. 分类树:重要属性和接口.mp4
第10任务: 009 - 1 7. 回归树:参数,属性和接口.mp4
第11任务: 010 - 1 7. 回归树:交叉验证 (1).mp4
第12任务: 011 - 1 7. 回归树:交叉验证(2).mp4
第13任务: 012 - 1 8. 回归树案例:用回归树拟合正弦曲线.mp4
第14任务: 013 - 1 9. 案例:泰坦尼克号生存者预测 (1).mp4
第15任务: 014 - 1 9. 案例:泰坦尼克号生存者预测 (2).mp4
第16任务: 015 - 1 9. 案例:泰坦尼克号生存者预测 (3).mp4
第17任务: 016 - 1 9.案例:泰坦尼克号生存者预测 (4).mp4
第18任务: 每日作业
第19任务: 017 - ===【经典算法 】2 随机森林===.mp4
第20任务: 018 - 2 2.1 随机森林分类器 参数n_estimators与建立一片森林.mp4
第21任务: 019 - 2 2.2 参数boostrap & oob_score + 重要属性和接口.mp4
第22任务: 020 - 2 2.3 [选学] 袋装法的另一个必要条件.mp4
第23任务: 021 - 2 3.1 随机森林回归器.mp4
第24任务: 022 - 2 3.2 案例:用随机森林填补缺失值 (1).mp4
第25任务: 023 - 2 3.2 案例:用随机森林填补缺失值 (2).mp4
第26任务: 024 - 2 3.3 案例:用随机森林填补缺失值 (3).mp4
第27任务: 025 - 2 3.4 案例:用随机森林填补缺失值 (4).mp4
第28任务: 026 - 2 4. 机器学习中调参的基本思想.mp4
第29任务: 027 - 2 5. 案例:随机森林在乳腺癌数据上的调参 (1).mp4
第30任务: 028 - 2 5. 案例:随机森林在乳腺癌数据上的调参 (2).mp4
第31任务: 每日作业
第32任务: 029 - ===【特征工程】3 数据预处理===.mp4
第33任务: 030 - 3 2数据预处理1:无量纲化:数据归一化.mp4
第34任务: 031 - 3 3数据预处理2:无量纲化:数据标准化.mp4
第35任务: 032 - 3 4数据预处理3:缺失值 (1).mp4
第36任务: 033 - 3 5数据预处理4:缺失值 (2).mp4
第37任务: 034 - 3 6数据预处理5:处理分类型数据:编码与哑变量.mp4
第38任务: 035 - 3 7数据预处理6:处理连续型数据:二值化和分箱.mp4
第39任务: 036 - 3 8特征选择1:过滤法:方差过滤 (1).mp4
第40任务: 037 - 3 9特征选择2:过滤法:方差过滤 (2).mp4
第41任务: 038 - 3 10特征选择3:过滤法:卡方过滤.mp4
第42任务: 039 - 3 11特征选择4:过滤法:F检验和互信息法 (1).mp4
第43任务: 040 - 3 12特征选择5:过滤法:互信息法(2) + 总结.mp4
第44任务: 041 - 3 13特征选择6:嵌入法 (1).mp4
第45任务: 042 - 3 14特征选择7:嵌入法 (2).mp4
第46任务: 043 - 3 15特征选择8:包装法 + 总结.mp4
第47任务: 每日作业
第48任务: 044 - ===【经典算法】4 降维算法PCA===.mp4
第49任务: 045 - 4 2.1 降维究竟怎样实现?.mp4
第50任务: 046 - 4 2.2 参数 + 案例:高维数据的可视化 (1).mp4
第51任务: 047 - 4 2.2 参数 + 案例:高维数据的可视化 (2).mp4
第52任务: 048 - 4 2.3 PCA中的SVD,重要参数svd_solver.mp4
第53任务: 049 - 4 2.3 参数 + 案例:人脸识别中的components_应用.mp4
第54任务: 050 - 4 2.4 重要接口 + 案例1:用人脸识别看PCA降维后的信息保存量.mp4
第55任务: 051 - 4 2.4 重要接口 + 案例2:用PCA实现手写数字的噪音过滤.mp4
第56任务: 052 - 4 2.5 原理,流程,重要属性接口和参数的总结.mp4
第57任务: 053 - 4 3 案例:PCA实现784个特征的手写数字的降维 (1).mp4
第58任务: 054 - 4 3 案例:PCA实现784个特征的手写数字的降维 (2).mp4
第59任务: 每日作业
第60任务: 055 - ===【经典算法】5 逻辑回归===.mp4
第61任务: 056 - 5 1.1 逻辑回归概述:名为“回归”的分类器.mp4
第62任务: 057 - 5 1.2 为什么需要逻辑回归.mp4
第63任务: 058 - 5 1.3 sklearn当中的逻辑回归.mp4
第64任务: 059 - 5 2.1.1 二元逻辑回归的损失函数.mp4
第65任务: 060 - 5 2.2.1 正则化:重要参数penalty & C.mp4
第66任务: 061 - 5 2.2.2 逻辑回归的特征工程 (1).mp4
第67任务: 062 - 5 2.2.2 逻辑回归的特征工程 (2).mp4
第68任务: 063 - 5 2.2.2 逻辑回归的特征工程 (3).mp4
第69任务: 064 - 5 2.2.2 逻辑回归的特征工程 (4).mp4
第70任务: 065 - 5 2.3.1 重要参数max_iter - 梯度下降求解逻辑回归的过程.mp4
第71任务: 066 - 5 2.3.2 梯度的概念与解惑.mp4
第72任务: 067 - 5 2.3.3 步长的概念与解惑.mp4
第73任务: 068 - 5 2.4 二元回归与多元回归:重要参数solver & multi_class.mp4
第74任务: 069 - 5 2.5 样本不均衡与参数class_weight.mp4
第75任务: 每日作业
第76任务: 070 - 5 3.1 案例:用逻辑回归制作评分卡 - 评分卡与完整的模型开发流程.mp4
第77任务: 071 - 5 3.2.1~2 案例:评分卡 - 数据预处理(1) - 重复值与缺失值.mp4
第78任务: 072 - 5 3.2.3 案例:评分卡 - 数据预处理 (2) - 异常值.mp4
第79任务: 073 - 5 3.2.4 案例:评分卡 - 数据预处理 (3) - 标准化.mp4
第80任务: 074 - 5 3.2.5 案例:评分卡 - 数据预处理 (4) - 样本不均衡问题.mp4
第81任务: 075 - 5 3.2.6 案例:评分卡 - 数据预处理 (5) - 保存训练集和测试集数据.mp4
第82任务: 076 - 5 3.3 案例:评分卡 - 分箱 (1) - 概述与概念.mp4
第83任务: 077 - 5 3.3.1 案例:评分卡 - 分箱 (2) - 等频分箱 (1).mp4
第84任务: 078 - 5 3.3.1 案例:评分卡 - 分箱 (3) - 等频分箱 (2).mp4
第85任务: 079 - 5 3.3.2 案例:评分卡 - 分箱 (4) - 选学说明.mp4
第86任务: 080 - 5 3.3.3 案例:评分卡 - 分箱 (5) - 计算WOE与IV.mp4
第87任务: 081 - 5 3.3.4 案例:评分卡 - 分箱 (6) - 卡方检验,确….mp4
第88任务: 082 - 5 3.3.5 案例:评分卡 - 分箱 (7) - 包装分箱函数.mp4
第89任务: 083 - 5 3.3.6 案例:评分卡 - 分箱 (8) - 包装判断分箱个数的函数.mp4
第90任务: 084 - 5 3.3.7 案例:评分卡 - 分箱 (9) - 对所有特征进行分箱.mp4
第91任务: 085 - 5 3.4 案例:评分卡 - 映射数据 (1).mp4
第92任务: 086 - 5 3.4 案例:评分卡 - 映射数据 (2).mp4
第93任务: 087 - 5 3.5 案例:评分卡 - 建模与模型验证.mp4
第94任务: 088 - 5 3.6 案例:评分卡 - 评分卡的输出和建立.mp4
第95任务: 每日作业
第96任务: 089 - ===【经典算法】6 聚类算法KMeans===.mp4
第97任务: 090 - 6 1.1 无监督学习概述,聚类vs分类.mp4
第98任务: 091 - 6 1.2 sklearn当中的聚类算法.mp4
第99任务: 092 - 6 2.1 Kmeans是如何工作的?.mp4
第100任务: 093 - 6 2.2 & 2.3 簇内平方和,时间复杂度.mp4
第101任务: 094 - 6 3.1.1 KMeans - 重要参数n_clusters.mp4
第102任务: 095 - 6 3.1.2 聚类算法的模型评估指标 (1).mp4
第103任务: 096 - 6 3.1.2 聚类算法的模型评估指标 (2) - 轮廓系数.mp4
第104任务: 097 - 6 3.1.2 聚类算法的模型评估指标 (3) - CHI.mp4
第105任务: 098 - 6 3.1.3 案例:轮廓系数找最佳n_clusters (1).mp4
第106任务: 099 - 6 3.1.3 案例:轮廓系数找最佳n_clusters (2).mp4
第107任务: 100 - 6 3.1.3 案例:轮廓系数找最佳n_clusters (3).mp4
第108任务: 101 - 6 3.2 重要参数init & random_state & n_init.mp4
第109任务: 102 - 6 3.3 重要参数max_iter & tol:如何让聚类停下来?.mp4
第110任务: 103 - 6 3.4 重要属性与接口 & 函数k_means.mp4
第111任务: 104 - 6 4 案例:Kmeans做矢量量化 (1):案例背景.mp4
第112任务: 105 - 6 4 案例:Kmeans做矢量量化 (2).mp4
第113任务: 106 - 6 4 案例:Kmeans做矢量量化 (3).mp4
第114任务: 107 - 6 4 案例:Kmeans做矢量量化 (4).mp4
第115任务: 每日作业
第116任务: 108 - ===【经典算法】7 支持向量机SVM(上)===.mp4
第117任务: 109 - 7 1.1 支持向量机概述:最强大的机器学习算法.mp4
第118任务: 110 - 7 1.2 支持向量机是如何工作的 & sklearn中的SVM.mp4
第119任务: 111 - 7 2.1.1 线性SVC的损失函数 (1).mp4
第120任务: 112 - 7 2.1.1 线性SVC的损失函数 (2).mp4
第121任务: 113 - 7 2.1.2 函数间隔与几何间隔.mp4
第122任务: 114 - 7 2.1.3.1 损失函数的拉格朗日乘数形态.mp4
第123任务: 115 - 7 2.1.3.2 拉格朗日对偶函数 (1).mp4
第124任务: 116 - 7 2.1.3.2 拉格朗日对偶函数 (2).mp4
第125任务: 117 - 7 2.1.3.3 求解拉格朗日对偶函数极其后续过程.mp4
第126任务: 118 - 7 2.1.4 线性SVM的求解过程的可视化 (1):理解等高线函数.mp4
第127任务: 119 - 7 2.1.4 线性SVM的求解过程的可视化 (2):理解网格制作函数.mp4
第128任务: 120 - 7 2.1.4 线性SVM的求解过程的可视化 (3):建模,绘制图像并包装函数.mp4
第129任务: 121 - 7 2.1.4 线性SVM的求解过程的可视化 (4):探索建立好的模型.mp4
第130任务: 122 - 7 2.1.4 线性SVM的求解过程的可视化 (5):非线性数据集上的推广.mp4
第131任务: 123 - 7 2.1.4 线性SVM的求解过程的可视化 (6).mp4
第132任务: 每日作业
第133任务: 124 - 7 2.2.1 & 2.2.2 非线性SVM与核函数:重要参数kernel.mp4
第134任务: 125 - 7 2.2.3 案例:如何选取最佳核函数 (1).mp4
第135任务: 126 - 7 2.2.3 案例:如何选取最佳核函数 (2).mp4
第136任务: 127 - 7 2.2.4 案例:在乳腺癌数据集上探索核函数的性质.mp4
第137任务: 128 - 7 2.2.5 案例:在乳腺癌数据集上对核函数进行调参 (1).mp4
第138任务: 129 - 7 2.2.5 案例:在乳腺癌数据集上对核函数进行调参 (2).mp4
第139任务: 130 - 7 2.3.1 SVM在软间隔数据上的推广.mp4
第140任务: 131 - 7 2.3.2 重要参数C & 总结.mp4
第141任务: 每日作业
第142任务: 132 - ===【经典算法】8 支持向量机SVM(下)===.mp4
第143任务: 133 - 8 1.1 简单复习支持向量机的基本原理.mp4
第144任务: 134 - 8 1.2 参数C的深入理解:多个支持向量存在的理由.mp4
第145任务: 135 - 8 1.3 二分类SVC中的样本不均衡问题:重要参数class_weight.mp4
第146任务: 136 - 8 1.3 如何使用参数class_weight (1).mp4
第147任务: 137 - 8 1.3 如何使用参数class_weight (2).mp4
第148任务: 138 - 8 2 SVC的模型评估指标.mp4
第149任务: 139 - 8 2.1 混淆矩阵与准确率.mp4
第150任务: 140 - 8 2.1 样本不平衡的艺术(1):精确度Precision.mp4
第151任务: 141 - 8 2.1 样本不平衡的艺术(2):召回率Recall与F1 measure.mp4
第152任务: 142 - 8 2.1.3 对多数类样本的关怀:特异度Specificity与假正率FPR.mp4
第153任务: 143 - 8 2.1.4 sklearn中的混淆矩阵.mp4
第154任务: 144 - 8 2.2 ROC曲线:Recall与假正率FPR的平衡.mp4
第155任务: 145 - 8 2.2.1 概率与阈值.mp4
第156任务: 146 - 8 2.2.2 SVM做概率预测.mp4
第157任务: 147 - 8 2.2.3 绘制ROC曲线 (1).mp4
第158任务: 148 - 8 2.2.3 绘制ROC曲线 (2).mp4
第159任务: 149 - 8 2.2.3 绘制ROC曲线 (3).mp4
第160任务: 150 - 8 2.2.4 sklearn中的ROC曲线和AUC面积.mp4
第161任务: 151 - 8 2.2.5 利用ROC曲线求解最佳阈值.mp4
第162任务: 152 - 8 3 选学说明:使用SVC时的其他考虑.mp4
第163任务: 每日作业
第164任务: 153 - 8 4 案例:预测明天是否会下雨 - 案例背景.mp4
第165任务: 154 - 8 4.1 案例:导库导数据,探索特征,jupyter中的快捷键.mp4
第166任务: 155 - 8 4.2 案例:分集,优先处理标签.mp4
第167任务: 156 - 8 4.3.1 案例:描述性统计,处理异常值.mp4
第168任务: 157 - 8 4.3.2 案例:现实数据上的数据预处理 - 处理时间.mp4
第169任务: 158 - 8 4.3.3 案例:现实数据上的数据预处理 - 处理地点 (1).mp4
第170任务: 159 - 8 4.3.3 案例:现实数据上的数据预处理 - 处理地点 (2).mp4
第171任务: 160 - 8 4.3.3 案例:现实数据上的数据预处理 - 处理地点 (3).mp4
第172任务: 161 - 8 4.3.3 案例:现实数据上的数据预处理 - 处理地点 (4).mp4
第173任务: 162 - 8 4.3.4 案例:现实数据上的数据预处理 - 填补分类型缺失值.mp4
第174任务: 163 - 8 4.3.5 案例:现实数据上的数据预处理 - 编码分类型变量.mp4
第175任务: 164 - 8 4.3.6 & 4.3.7 案例:现实数据集上的数据预处理.mp4
第176任务: 165 - 8 4.4 案例:建模与模型评估 (1).mp4
第177任务: 166 - 8 4.4 案例:建模与模型评估 (2).mp4
第178任务: 167 - 8 4.5.1 案例:模型调参:追求最高的recall.mp4
第179任务: 168 - 8 4.5.2 案例:模型调参:追求最高的精确度 (1).mp4
第180任务: 169 - 8 4.5.2 案例:模型调参:追求最高的精确度 (2).mp4
第181任务: 170 - 8 4.5.3 案例:模型调参:追求精确度与recall的平衡.mp4
第182任务: 171 - 8 4.6 SVM总结与结语.mp4
第183任务: 每日作业
第184任务: 172 - ===【经典算法】9 线性回归 ===.mp4
第185任务: 173 - 9 1 概述,sklearn中的线性回归大家族.mp4
第186任务: 174 - 9 2.1 多元线性回归的基本原理和损失函数.mp4
第187任务: 175 - 9 2.2 用最小二乘法求解多元线性回归的过程.mp4
第188任务: 176 - 9 2.3 多元线性回归的参数,属性及建模代码.mp4
第189任务: 177 - 9 3.1 回归类模型的评估指标:是否预测准确?.mp4
第190任务: 178 - 9 3.2 回归类模型的评估指标:是否拟合了足够的信息?.mp4
第191任务: 179 - 9 4.1 多重共线性:含义,数学,以及解决方案.mp4
第192任务: 180 - 9 4.2.1 岭回归处理多重共线性.mp4
第193任务: 181 - 9 4.2.2 sklearn中的岭回归:linear_model.Ridge.mp4
第194任务: 182 - 9 4.2.3 为岭回归选择最佳正则化参数.mp4
第195任务: 183 - 9 4.3.1 Lasso处理多重共线性.mp4
第196任务: 184 - 9 4.3.2 Lasso的核心作用:特征选择.mp4
第197任务: 185 - 9 4.3.3 Lasso选择最佳正则化参数.mp4
第198任务: 每日作业
第199任务: 186 - 9 5.1.1 & 5.1.2 线性数据与非线性数据.mp4
第200任务: 187 - 9 5.1.3 线性vs非线性模型 (1):线性模型在非线性数据集上的表现.mp4
第201任务: 188 - 9 5.1.3 线性vs非线性模型 (2):拟合,效果与特点.mp4
第202任务: 189 - 9 5.2 离散化:帮助线性回归解决非线性问题.mp4
第203任务: 190 - 9 5.3.1 多项式对数据做了什么?.mp4
第204任务: 191 - 9 5.3.2 多项式回归提升模型表现.mp4
第205任务: 192 - 9 5.3.3 多项式回归的可解释性.mp4
第206任务: 193 - 9 5.3.4 多项式回归:线性还是非线性模型?.mp4
第207任务: 每日作业
第208任务: 194 - ===【经典算法】10 朴素贝叶斯===.mp4
第209任务: 195 - 10 1.1 为什么需要朴素贝叶斯.mp4
第210任务: 196 - 10 1.2 概率论基础 - 贝叶斯理论等式.mp4
第211任务: 197 - 10 1.2.1 瓢虫冬眠:理解条件概率 (1).mp4
第212任务: 198 - 10 1.2.1 瓢虫冬眠:理解条件概率 (2).mp4
第213任务: 199 - 10 1.2.1 瓢虫冬眠:理解条件概率 (3).mp4
第214任务: 200 - 10 1.2.2 贝叶斯的性质与最大后验估计.mp4
第215任务: 201 - 10 1.2.3 汉堡称重:连续型变量的概率估计 (1).mp4
第216任务: 202 - 10 1.2.3 汉堡称重:连续型变量的概率估计 (2).mp4
第217任务: 203 - 10 1.3 sklearn中的朴素贝叶斯.mp4
第218任务: 204 - 10 2.1.1 认识高斯朴素贝叶斯.mp4
第219任务: 205 - 10 2.1.2 高斯朴素贝叶斯擅长的数据集.mp4
第220任务: 206 - 10 2.1.3 探索贝叶斯 - 拟合中的特性与运行速度 (1).mp4
第221任务: 207 - 10 2.1.3 探索贝叶斯 - 拟合中的特性与运行速度 (2) - 代码讲解 .mp4
第222任务: 208 - 10 2.1.3 探索贝叶斯 - 拟合中的特性与运行速度 (3) - 代码讲解2.mp4
第223任务: 209 - 10 2.1.3 探索贝叶斯 - 拟合中的特性与运行速度 (4) - 分析与结论.mp4
第224任务: 每日作业
第225任务: 210 - 10 2.2.1 概率类模型的评估指标 (1) - 布里尔分数.mp4
第226任务: 211 - 10 2.2.1 概率类模型的评估指标 (2) - 布里尔分数的可视化.mp4
第227任务: 212 - 10 2.2.2 概率类模型的评估指标 (3) - 对数损失Log loss.mp4
第228任务: 213 - 10 2.2.3 概率类模型的评估指标 (4) - 可靠性曲线 (1).mp4
第229任务: 214 - 10 2.2.3 概率类模型的评估指标 (5) - 可靠性曲线 (2).mp4
第230任务: 215 - 10 2.2.4 概率类模型的评估指标 (6) - 概率分布直方图.mp4
第231任务: 216 - 10 2.2.5 概率类模型的评估指标 (7) - 概率校准 (1).mp4
第232任务: 217 - 10 2.2.5 概率类模型的评估指标 (8) - 概率校准 (2).mp4
第233任务: 218 - 10 2.3.1 多项式朴素贝叶斯 (1) - 认识多项式朴素贝叶斯.mp4
第234任务: 219 - 10 2.3.1 多项式朴素贝叶斯 (2) - 数学原理.mp4
第235任务: 220 - 10 2.3.1 多项式朴素贝叶斯 (3) - sklearn中的类与参数.mp4
第236任务: 221 - 10 2.3.1 多项式朴素贝叶斯 (4) - 来构造一个分类器吧.mp4
第237任务: 222 - 10 2.3.2 伯努利朴素贝叶斯 (1) - 认识伯努利朴素贝叶斯.mp4
第238任务: 223 - 10 2.3.2 伯努利朴素贝叶斯 (2) - sklearn中的类与参数.mp4
第239任务: 224 - 10 2.3.2 伯努利朴素贝叶斯 (3) - 构造一个分类器.mp4
第240任务: 225 - 10 2.3.3 探索贝叶斯 - 朴素贝叶斯的样本不均衡问题.mp4
第241任务: 226 - 10 2.3.4 补集朴素贝叶斯 - 补集朴素贝叶斯的原理 (1).mp4
第242任务: 227 - 10 2.3.4 补集朴素贝叶斯 - 补集朴素贝叶斯的原理 (2).mp4
第243任务: 228 - 10 2.3.4 补集朴素贝叶斯 - 处理样本不均衡问题.mp4
第244任务: 229 - 10 3.1.1 案例:贝叶斯做文本分类 (1) - 单词计数向量技术.mp4
第245任务: 230 - 10 3.1.1 案例:贝叶斯做文本分类 (2) - 单词计数向量的问题.mp4
第246任务: 231 - 10 3.1.2 案例:贝叶斯做文本分类 (3) - TF-IDF技术.mp4
第247任务: 232 - 10 3.2 案例:贝叶斯做文本分类 (4) - 探索和提取文本数据.mp4
第248任务: 233 - 10 3.3 案例:贝叶斯做文本分类 (5) - 使用TF-IDF编码文本数据.mp4
第249任务: 234 - 10 3.4 案例:贝叶斯做文本分类 (6) - 算法应用与概率校准.mp4
第250任务: 每日作业
第251任务: 235 - ===【经典算法】11 XGBoost ===.mp4
第252任务: 236 - 11 1 XGBoost前瞻:安装xgboost,xgboost库与API.mp4
第253任务: 237 - 11 2.1 梯度提升树(1):集成算法回顾,重要参数n_estimators.mp4
第254任务: 238 - 11 2.1 梯度提升树(2):参数n_estimators下的建模.mp4
第255任务: 239 - 11 2.1 梯度提升树(3):参数n_estimators的学习曲线.mp4
第256任务: 240 - 11 2.1 梯度提升树(4):基于方差-偏差困境改进的学习曲线.mp4
第257任务: 241 - 11 2.2 梯度提升树(5):控制有放回随机抽样,参数subsample.mp4
第258任务: 242 - 11 2.3 梯度提升树(6):迭代决策树:重要参数eta.mp4
第259任务: 243 - 11 2.3 梯度提升树(7):迭代决策树:重要参数eta.mp4
第260任务: 每日作业
第261任务: 244 - 11 3.1 XGBoost的智慧 (1):选择弱评估器:重要参数booster.mp4
第262任务: 245 - 11 3.2 XGBoost的智慧 (2):XGBoost的目标函数.mp4
第263任务: 246 - 11 3.3 XGBoost的智慧 (3):求解XGBoost的目标函数.mp4
第264任务: 247 - 11 3.3 XGBoost的智慧 (4):求解XGboost的目标函数.mp4
第265任务: 248 - 11 3.4 XGBoost的智慧 (5):参数化决策树,正则化参数lambda.mp4
第266任务: 249 - 11 3.5 XGBoost的智慧 (6):建立目标函数与树结构的直接联系.mp4
第267任务: 250 - 11 3.5 XGBoost的智慧 (7):最优树结构,求解w和T.mp4
第268任务: 251 - 11 3.6 XGBoost的智慧 (8):贪婪算法求解最优树.mp4
第269任务: 252 - 11 3.7 XGBoost的智慧 (9):让树停止生长:重要参数gamma.mp4
第270任务: 每日作业
第271任务: 253 - 11 4.1 XGBoost应用 (1):减轻过拟合:XGBoost中的剪枝参数.mp4
第272任务: 254 - 11 4.1 XGBoost应用 (2):使用xgb.cv进行剪枝参数的调参.mp4
第273任务: 255 - 11 4.2 XGBoost应用 (3):使用pickle保存.mp4
第274任务: 256 - 11 4.2 XGBoost应用 (4):使用joblib保存好XGB模型.mp4
第275任务: 257 - 11 4.3 XGBoost应用 (5):XGB分类中的样本不平衡问题.mp4
第276任务: 258 - 11 4.3 XGBoost应用 (6):XGB分类中的样本不平衡问题.mp4
第277任务: 259 - 11 4.4 XGBoost应用 (7):XGB应用中的其他问题.mp4
第278任务: 每日作业
第279任务: 260 - ===【深度学习】sklearn中的神经网络===.mp4
第280任务: 261 - 2.1 回归单层神经网络:线性回归.mp4
第281任务: 262 - 2.2 二分类单层神经网络:sigmoid函数与阶跃函数.mp4
第282任务: 263 - 2.3 多分类单层神经网络:softmax回归.mp4
第283任务: 264 - 2.4 回归vs二分类vs多分类.mp4
第284任务: 每日作业