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）
第23任务： 021 - 2 3.1 随机森林回归器.mp4
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
