CDA数据科学研究院
CDA考试中心
CAIE认证
CDA网校
企业服务
CDA社区
CDA竞赛
CDA技术答疑
CDA俱乐部
CDA论坛
关于CDA
App下载
登录
注册
登录
注册
首页
课程中心
数据科学
人工智能
学术量化
全部课程
>>>上线日志
>>>课程分类
公开课
直播课
就业课试听
国外公开课
行业公开课
数据圈子
CDA数字化能力提升计划
CDA考试专区
CDA会员专区
CDAS峰会
SQL答疑专区
会员专区
会员中心
会员课程
线下面授
CDA数据分析脱产就业班(试听)
CDA LEVEL | 数据分析周末班(试听)
CDA LEVEL || 商业分析周末班(试听)
CDA LEVEL ||| 机器学习周末班(试听)
CDA证书
CDA介绍
CDA大纲
CDA题库
CDA教材
CDA专访
CDA考试专区
CDA备考攻略
登录
注册
全部课程
面试题库
数据分析题库
数据治理题库
人工智能题库
数据分析题库
数据治理题库
人工智能题库
资格证书
CDA证书
CDA 考试模拟题
CDA 会员专访
CDA 会员活动
CDA证书
公开课
公开课
CDA课程试听
CDAS峰会视频
CDA大咖汇
CDA体验课
CDA直播课
行业公开课
新零售行业
医疗行业
数据中台
金融行业
汽车行业
电商行业
自动驾驶
国外公开课
公开课
行业公开课
数据科学
新职位
数据科学家
数据分析师
业务数据分析师
大数据工程师
机器学习工程师
商业数据分析师
微专业
数据科学专栏
案例微课
人力资源
工具安装
Excel基础
SQL数据库
R语言
Python
Python爬虫
Python自动化
统计学
业务分析
数据思维
可视化
BI 商业智能
数据运营
用户画像
互联网运营
Linux
Hadoop
Hive
ETL工具
PySpark
数学基础
数据挖掘/机器学习
空间地理数据处理
数据治理
数字化转型
区块链
金融商业数据分析
数据要素
新职位
微专业
人工智能
微专业
深度学习基础
NLP自然语言处理
CV计算机视觉
SR语音识别
TensorFlow
PyTorch
微专业
学术量化
学术
Python
金融
Stata
SSCI/SCI
DSGE
SPSS
DID专题
内生性
社会网络分析
量化投资
量化
量化投资分析师
学术
量化
首页
课程中心
数据科学
人工智能
学术量化
全部课程
>>>上线日志
>>>课程分类
公开课
直播课
就业课试听
国外公开课
行业公开课
数据圈子
CDA数字化能力提升计划
CDA考试专区
CDA会员专区
CDAS峰会
SQL答疑专区
会员专区
会员中心
会员课程
线下面授
CDA数据分析脱产就业班(试听)
CDA LEVEL | 数据分析周末班(试听)
CDA LEVEL || 商业分析周末班(试听)
CDA LEVEL ||| 机器学习周末班(试听)
CDA证书
CDA介绍
CDA大纲
CDA题库
CDA教材
CDA专访
CDA考试专区
CDA备考攻略
首页
人工智能
微专业
菜菜的机器学习sklearn课堂
0
人加入学习
(0人评价)
菜菜的机器学习sklearn课堂
难度系数:★★★☆☆ 课程系列:CDA Level Ⅱ 数据分析师
价格
¥
499.00
学习有效期
长期有效
音频听课
手机端支持一键听课
(试一试)
已收藏
收藏
分享
扫一扫
扫二维码继续学习 二维码时效为半小时
分享
已收藏
收藏
该课程属于
Sklearn与机器学习实战
请加入后再学习
目录
免费
笔记
(1)
评价
(0)
介绍
课程证书
2.1.1 混淆矩阵与准确率
全部任务
课程介绍
1. 引言,sklearn入门
2. 决策树:概述
3. 分类树:参数Criteri...
4. 分类树:实现一棵树,随机性...
5. 分类树:剪枝参数调优(1)
5. 分类树:剪枝参数调优(2)
6. 分类树:重要属性和接口
7. 回归树:参数,属性和接口
7. 回归树:交叉验证 (1)
7. 回归树:交叉验证(2)
8. 回归树案例:用回归树拟合正...
9. 案例:泰坦尼克号生存者预测...
9. 案例:泰坦尼克号生存者预测...
9. 案例:泰坦尼克号生存者预测...
9.案例:泰坦尼克号生存者预测 ...
2.1 随机森林分类器 参数n_...
2.2 参数boostrap &...
2.3 [选学] 袋装法的另一个...
3.1 随机森林回归器
3.2 案例:用随机森林填补缺失...
3.3 案例:用随机森林填补缺失...
3.4 案例:用随机森林填补缺失...
3.5 案例:用随机森林填补缺失...
4. 机器学习中调参的基本思想
5. 案例:随机森林在乳腺癌数据...
5. 案例:随机森林在乳腺癌数据...
数据预处理1:无量纲化:数据归一...
数据预处理2:无量纲化:数据标准...
数据预处理3:缺失值 (1)
数据预处理4:缺失值 (2)
数据预处理5:处理分类型数据:编...
数据预处理6:处理连续型数据:二...
特征选择1:过滤法:方差过滤 (...
特征选择2:过滤法:方差过滤 (...
特征选择3:过滤法:卡方过滤
特征选择4:过滤法:F检验和互信...
特征选择5:过滤法:互信息法(2...
特征选择6:嵌入法 (1)
特征选择7:嵌入法 (2)
特征选择8:包装法 + 总结
2.1 降维究竟怎样实现?
2.2 参数应用案例:高维数据的...
2.2 参数应用案例:高维数据的...
2.3 PCA中的SVD,重要参...
2.3 属性应用案例:人脸识别中...
2.4 接口应用案例:用人脸识别...
2.4 接口应用案例:用PCA实...
2.5 总结:原理,流程,重要属...
3 案例:PCA实现784个特征...
3 案例:PCA实现784个特征...
1.1 逻辑回归概述:名为“回归...
1.2 为什么需要逻辑回归
1.3 sklearn当中的逻辑...
2.1.1 二元逻辑回归的损失函...
2.2.1 正则化:重要参数pe...
2.2.2 逻辑回归的特征工程 ...
2.2.2 逻辑回归的特征工程 ...
2.2.2 逻辑回归的特征工程 ...
2.2.2 逻辑回归的特征工程 ...
2.3.1 重要参数max_it...
2.3.2 梯度的概念与解惑
2.3.3 步长的概念与解惑
2.4 二元回归与多元回归:重要...
2.5 样本不均衡与参数clas...
3.1 评分卡案例 - 评分卡与...
3.2.1~2 评分卡 - 数据...
3.2.3 评分卡 - 数据预处...
3.2.4 案例:评分卡 - 数...
3.2.5 案例:评分卡 - 数...
3.2.6 案例:评分卡 - 数...
3.3 案例:评分卡 - 分箱(...
3.3.1 案例:评分卡 - 分...
3.3.1 案例:评分卡 - 分...
3.3.2 案例:评分卡 - 分...
3.3.3 案例:评分卡 - 分...
3.3.4 案例:评分卡 - 分...
3.3.5 案例:评分卡 - 分...
3.3.6 案例:评分卡 - 分...
3.3.7 案例:评分卡 - 分...
3.4 案例:评分卡 - 映射数...
3.4 案例:评分卡 - 映射数...
3.5 案例:评分卡 - 建模与...
3.6 案例:评分卡 - 评分卡...
1.1 无监督学习概述,聚类vs...
1.2 sklearn当中的聚类...
2.1 Kmeans是如何工作的...
2.2 & 2.3 簇内平方和,...
3.1.1 KMeans - 重...
3.1.2 聚类算法的模型评估指...
3.1.2 聚类算法的模型评估指...
3.1.2 聚类算法的模型评估指...
3.1.3 案例:轮廓系数找最佳...
3.1.3 案例:轮廓系数找最佳...
3.1.3 案例:轮廓系数找最佳...
3.2 重要参数init & r...
3.3 重要参数max_iter...
3.5 重要属性与接口 & 函数...
4 案例:Kmeans做矢量量化...
4 案例:Kmeans做矢量量化...
4 案例:Kmeans做矢量量化...
4 案例:Kmeans做矢量量化...
1.1 支持向量机概述:最强大的...
1.2 支持向量机是如何工作的 ...
2.1.1 线性SVC的损失函数...
2.1.1 线性SVC的损失函数...
2.1.2 函数间隔与几何间隔
2.1.3.1 损失函数的拉格朗...
2.1.3.2 拉格朗日对偶函数...
2.1.3.2 拉格朗日对偶函数...
2.1.3.3 求解拉格朗日对偶...
2.1.4 线性SVM可视化 (...
2.1.4 线性SVM可视化 (...
2.1.4 线性SVM可视化 (...
2.1.4 线性SVM可视化 (...
2.1.4 线性SVM可视化 (...
2.1.4 线性SVM可视化 (...
2.2.1 & 2.2.2 非线...
2.2.3 案例:如何选取最佳核...
2.2.3 案例:如何选取最佳核...
2.2.4 案例:在乳腺癌数据集...
2.2.5 案例:在乳腺癌数据集...
2.2.5 案例:在乳腺癌数据集...
2.3.1 SVM在软间隔数据上...
2.3.2 重要参数C & 总结
1.1 简单复习支持向量机的基本...
1.2 参数C的深入理解:多个支...
1.3 二分类SVC中的样本不均...
1.3 如何使用参数class_...
1.3 如何使用参数class_...
2 SVC的模型评估指标
2.1.1 混淆矩阵与准确率
2.1.2 样本不平衡的艺术(1...
2.1.2 样本不平衡的艺术(2...
2.1.3 对多数类样本的关怀:...
2.1.4 sklearn中的混...
2.2 ROC曲线:Recall...
2.2.1 概率与阈值
2.2.2 SVM做概率预测
2.2.3 绘制ROC曲线 (1...
2.2.3 绘制ROC曲线 (2...
2.2.3 绘制ROC曲线 (3...
2.2.4 sklearn中的R...
2.2.5 利用ROC曲线求解最...
3 选学说明:使用SVC时的其他...
4 案例:预测明天是否会下雨 -...
4.1 案例:导库导数据,探索特...
4.2 案例:分集,优先处理标签
4.3.1 案例:描述性统计,处...
4.3.2 案例:现实数据上的数...
4.3.3 案例:现实数据上的数...
4.3.3 案例:现实数据上的数...
4.3.3 案例:现实数据上的数...
4.3.3 案例:现实数据上的数...
4.3.4 案例:现实数据上的数...
4.3.5 案例:现实数据上的数...
4.3.6 & 4.3.7 案例...
4.4 案例:建模与模型评估 (...
4.4 案例:建模与模型评估 (...
4.5.1 案例:模型调参:追求...
4.5.2 案例:模型调参:追求...
4.5.2 案例:模型调参:追求...
4.5.3 案例:模型调参:追求...
4.6 SVM总结与结语
1.1 为什么需要朴素贝叶斯
1.2 概率论基础 - 贝叶斯理...
1.2.1 瓢虫冬眠:理解条件概...
1.2.1 瓢虫冬眠:理解条件概...
1.2.1 瓢虫冬眠:理解条件概...
1.2.2 贝叶斯的性质与最大后...
1.2.3 汉堡称重:连续型变量...
1.2.3 汉堡称重:连续型变量...
1.3 sklearn中的朴素贝...
2.1.1 认识高斯朴素贝叶斯
2.1.2 高斯朴素贝叶斯擅长的...
2.1.3 探索贝叶斯 - 拟合...
2.1.3 探索贝叶斯 - 拟合...
2.1.3 探索贝叶斯 - 拟合...
2.1.3 探索贝叶斯 - 拟合...
2.2.1 概率类模型的评估指标...
2.2.1 概率类模型的评估指标...
2.2.2 概率类模型的评估指标...
2.2.3 概率类模型的评估指标...
2.2.3 概率类模型的评估指标...
2.2.4 概率类模型的评估指标...
2.2.5 概率类模型的评估指标...
2.2.5 概率类模型的评估指标...
2.3.1 多项式朴素贝叶斯 (...
2.3.1 多项式朴素贝叶斯 (...
2.3.1 多项式朴素贝叶斯 (...
2.3.1 多项式朴素贝叶斯 (...
2.3.2 伯努利朴素贝叶斯 (...
2.3.2 伯努利朴素贝叶斯 (...
2.3.2 伯努利朴素贝叶斯 (...
2.3.3 探索贝叶斯 - 朴素...
2.3.4 补集朴素贝叶斯 - ...
2.3.4 补集朴素贝叶斯 - ...
2.3.4 补集朴素贝叶斯 - ...
3.1.1 案例:贝叶斯做文本分...
3.1.1 案例:贝叶斯做文本分...
3.1.2 案例:贝叶斯做文本分...
3.2 案例:贝叶斯做文本分类 ...
3.3 案例:贝叶斯做文本分类 ...
3.4 案例:贝叶斯做文本分类 ...
2.2 梯度提升树(5):控制有...
1 XGBoost前瞻:安装xg...
2.1 梯度提升树(1):集成算...
2.3 梯度提升树(6):迭代决...
2.3 梯度提升树(7):迭代决...
2.1 梯度提升树(4):基于方...
2.1 梯度提升树(2):参数n...
2.1 梯度提升树(3):参数n...
3.1 XGBoost的智慧 (...
3.2 XGBoost的智慧 (...
3.3 XGBoost的智慧 (...
3.3 XGBoost的智慧 (...
3.4 XGBoost的智慧 (...
3.5 XGBoost的智慧 (...
3.5 XGBoost的智慧 (...
3.6 XGBoost的智慧 (...
3.7 XGBoost的智慧 (...
4.1 XGBoost应用 (1...
4.1 XGBoost应用 (2...
4.2 XGBoost应用 (3...
4.2 XGBoost应用 (4...
4.3 XGBoost应用 (5...
4.4 XGBoost应用 (7...
4.3 XGBoost应用 (6...
2.1 多元线性回归的基本原理和...
1 概述,sklearn中的线性...
2.2 用最小二乘法求解多元线性...
2.3 多元线性回归的参数,属性...
3.1 回归类模型的评估指标:是...
3.2 回归类模型的评估指标:是...
4.1 多重共线性:含义,数学,...
4.2.1 岭回归处理多重共线性
4.2.2 sklearn中的岭...
4.2.3 为岭回归选择最佳正则...
4.3.1 Lasso处理多重共...
4.3.2 Lasso的核心作用...
4.3.3 Lasso选择最佳正...
5.1.1 & 5.1.2 线性...
5.1.3 线性vs非线性模型 ...
5.1.3 线性vs非线性模型 ...
5.2 离散化:帮助线性回归解决...
5.3.1 多项式对数据做了什么...
5.3.2 多项式回归提升模型表...
5.3.3 多项式回归的可解释性
5.3.4 多项式回归:线性还是...
开始学习机器学习之前:配置环境
全部章节数据
决策树课件
随机森林课件
2.0 集成算法概述
数据预处理与特征工程课件
概述 + 12期课纲
降维算法课件
1 概述
逻辑回归课件
1.0 前言
聚类算法Kmeans课件
1.0 概述
SVM (上) 课件
1.0 本周要学习什么
SVM (下)课件
1.0 目录:本周将学习什么
线性回归大家族课件
0 本周要学习什么
朴素贝叶斯课件
1.0 本周要讲解的内容
XGBoost课件
0 本周要学习什么
排序:
最新笔记
最新笔记
点赞最多
暂无笔记
菜菜的机器学习sklearn课堂
875
30
【读书会】汗牛充栋:数据分析书籍分享(视频版)
102
1
CDA数据分析就业班试听课——机器学习算法与应用案例
488
0
人工智能工程师(体验课)
86
0
授课教师
Skojiang
金融海归,机器学习爱好者
课程特色
视频(259)
下载资料(13)
最新学员
学员动态
倪嘉斌
开始学习
概述 + 12期课纲
倪嘉斌
完成了
全部章节数据
倪嘉斌
完成了
开始学习机器学习之前:配置环境
倪嘉斌
完成了
XGBoost课件
倪嘉斌
开始学习
XGBoost课件
学
习
中
心
TOP
工作时间:9:00-19:00
陈老师微信:aiu_cda1