菜c的机器学习sklearn课堂（视频+课件）视频
33544文件名称： 菜c的机器学习sklearn课堂（视频+课件）视频法_共：19.50GB
文件总数量： 286条
压缩文件数量： 0条
压缩文件比： 0%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间： 2021-11-17 23:19:18
目录：【菜c的机器学习sklearn课堂（视频+课件）】
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件】
开始机器学习之前：配置开发环境_.pdf
参考书3_.jpg
参考书2_.jpg
参考书1_.jpg
目录：【菜c的机器学习sklearn课堂（视频+课件）/第一章决策树与泰坦尼克号生存预测】
5.4案例：泰坦尼克号生存者预测(4)_.mp4
5.3案例：泰坦尼克号生存者预测(3)_.mp4
5.2案例：泰坦尼克号生存者预测(2)_.mp4
5.1案例：泰坦尼克号生存者预测(1)_.mp4
4.4回归树案例：用回归树拟合正弦曲线_.mp4
4.3回归树：交叉验证(2)_.mp4
4.2回归树：交叉验证(1)_.mp4
4.1回归树：参数，属X和接口_.mp4
3.5分类树：重要属X和接口_.mp4
3.4分类树：剪枝参数调优(2)_.mp4
3.3分类树：剪枝参数调优(1)_.mp4
3.2分类树：实现一棵树，随机X参数_.mp4
3.1分类树：参数c日te日on_.mp4
2.决策树：概述_.mp4
1.引言，sklearn入门_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第五章逻辑回归和信用评分卡】
3.6案例：评分卡评分卡的输出和建立_.mp4
3.5案例：评分卡建模与模型验证_.mp4
3.4案例：评分卡映射数据(2)_.mp4
3.4案例：评分卡映射数据(1)_.mp4
3.3.7案例：评分卡分箱(9)对所有特征进行分箱_.mp4
3.3.6案例：评分卡分箱(8)包装判断分箱个数的函数_.mp4
3.3.5案例：评分卡分箱(7)包装分箱函数_.mp4
3.3.4案例：评分卡分箱(6)卡方检验、箱体合并、IV值等_.mp4
3.3.3案例：评分卡分箱(5)计算WOE与IV_.mp4
3.3.2案例：评分卡分箱(4)选学说明_.mp4
3.3.1案例：评分卡分箱(3)等频分箱(2)_.mp4
3.3.1案例：评分卡分箱(2)等频分箱(1)_.mp4
3.3案例：评分卡分箱(1)概述与概念_.mp4
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
3.2.5案例：评分卡数据预处理(4)样本不均衡问题_.mp4
3.2.4案例：评分卡数据预处理(3)标准化_.mp4
3.2.3案例：评分卡数据预处理(2)异常值_.mp4
3.2.1~2案例：评分卡数据预处理(1)重复值与缺失值_.mp4
3.1案例：评分卡与完整的模型开发流程_.mp4
2.5样本不均衡与参数class_weight_.mp4
2.4二元回归与多元回归：重要参数solver&multi_class_.mp4
2.3.3步长的概念与解惑_.mp4
2.3.2梯度的概念与解惑_.mp4
2.3.1重要参数max_iter梯度下降求解逻辑回归的过程_.mp4
2.2.2逻辑回归的特征工程(4)_.mp4
2.2.2逻辑回归的特征工程(3)_.mp4
2.2.2逻辑回归的特征工程(2)_.mp4
2.2.2逻辑回归的特征工程(1)_.mp4
2.2.1正则化：重要参数penalty&C_.mp4
2.1.1二元逻辑回归的损失函数_.mp4
1.3sklearn当中的逻辑回归_.mp4
1.2为什么需要逻辑回归_.mp4
1.1逻辑回归概述：名为“回归”的分类器_.mp4
0前言_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第四章降维算法PCA与手写数字识别】
3.2案例：PCA实现784个特征的手写数字的降维(2)_.mp4
3.1案例：PCA实现784个特征的手写数字的降维(1_.mp4
2.5原理，流程，重要属X接口和参数的总结_.mp4
2.4重要接口+案例2：用PCA实现手写数字的噪音过滤_.mp4
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
2.3参数+案例：人脸识别中的components_应用.mp4_.mp4
2.3PCA中的SVD，重要参数svd_solver_.mp4
2.2参数+案例：高维数据的可视化(2)_.mp4
2.2参数+案例：高维数据的可视化(1)_.mp4
2.1降维究竟怎样实现？_.mp4
1降维算法概述_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第十章朴素贝叶斯】
3.4案例：贝叶斯做文本分类(6)算法应用与概率校准_.mp4
3.3案例：贝叶斯做文本分类(5)使用TFIDF编码文本数据_.mp4
3.2案例：贝叶斯做文本分类(4)探索和提取文本数据_.mp4
3.1.2案例：贝叶斯做文本分类(3)TFIDF技术_.mp4
3.1.1案例：贝叶斯做文本分类(2)单词计数向量的问题_.mp4
3.1.1案例：贝叶斯做文本分类(1)单词计数向量技术_.mp4
2.3.4补集朴素贝叶斯处理样本不均衡问题_.mp4
2.3.4补集朴素贝叶斯补集朴素贝叶斯的原理(2)_.mp4
2.3.4补集朴素贝叶斯补集朴素贝叶斯的原理(1)_.mp4
2.3.3探索贝叶斯朴素贝叶斯的样本不均衡问题_.mp4
2.3.2伯努利朴素贝叶斯(3)构造一个分类器_.mp4
2.3.2伯努利朴素贝叶斯(2)sklearn中的类与参数_.mp4
2.3.2伯努利朴素贝叶斯(1)认识伯努利朴素贝叶斯_.mp4
2.3.1多项式朴素贝叶斯(4)来构造一个分类器吧_.mp4
2.3.1多项式朴素贝叶斯(3)sklearn中的类与参数_.mp4
2.3.1多项式朴素贝叶斯(2)数学原理_.mp4
2.3.1多项式朴素贝叶斯(1)认识多项式朴素贝叶斯_.mp4
2.2.5概率类模型的评估指标(8)概率校准(2)_.mp4
2.2.5概率类模型的评估指标(7)概率校准(1)_.mp4
2.2.4概率类模型的评估指标(6)概率分布直方图_.mp4
2.2.3概率类模型的评估指标(5)可靠X曲线(2)_.mp4
2.2.3概率类模型的评估指标(4)可靠X曲线(1)_.mp4
2.2.2概率类模型的评估指标(3)对数损失Logloss_.mp4
2.2.1概率类模型的评估指标(2)布里尔分数可视化_.mp4
2.2.1概率类模型的评估指标(1)布里尔分数_.mp4
2.1.3探索贝叶斯拟合中的特X与运行速度(4)分析与结论_.mp4
2.1.3探索贝叶斯拟合中的特X与运行速度(3)代码讲解(2)_.mp4
2.1.3探索贝叶斯拟合中的特X与运行速度(2)代码讲解(1)_.mp4
2.1.3探索贝叶斯拟合中的特X与运行速度(1)_.mp4
2.1.2高斯朴素贝叶斯擅长的数据集_.mp4
2.1.1认识高斯朴素贝叶斯_.mp4
1.3sklearn中的朴素贝叶斯_.mp4
1.2.3汉堡称重：连续型变量的概率估计(2)_.mp4
1.2.3汉堡称重：连续型变量的概率估计(1)_.mp4
1.2.2贝叶斯的X质与最大后验估计_.mp4
1.2.1瓢虫冬眠：理解条件概率(3)_.mp4
1.2.1瓢虫冬眠：理解条件概率(2)_.mp4
1.2.1瓢虫冬眠：理解条件概率(1)_.mp4
1.2概率论基础贝叶斯理论等式_.mp4
1.1为什么需要朴素贝叶斯_.mp4
0本周要讲解的内容_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第十一章XGBoost】
4.4XGBoost应用(7)：XGB应用中的其他问题_.mp4
4.3XGBoost应用(6)：XGB分类中的样本不平衡问题xgboost库_.mp4
4.3XGBoost应用(5)：XGB分类中的样本不平衡问题sklearnAPI_.mp4
4.2XGBoost应用(4)：使用joblib保存和调用训练好的XGB模型_.mp4
4.2XGBoost应用(3)：使用pickle保存和调用训练好的XGB模型_.mp4
4.1XGBoost应用(2)：使用xgb.cv进行剪枝参数的调参_.mp4
4.1XGBoost应用(1)：减轻过拟合：XGBoost中的剪枝参数_.mp4
3.7XGBoost的智慧(9)：让树停止生长：参数gamma与工具xgb.cv_.mp4
3.6XGBoost的智慧(8)：贪婪算法求解最优树_.mp4
3.5XGBoost的智慧(7)：最优树结构，求解w和T_.mp4
3.5XGBoost的智慧(6)：建立目标函数与树结构的直接联系_.mp4
3.4XGBoost的智慧(5)：参数化决策树，正则化参数lambda与alpha_.mp4
3.3XGBoost的智慧(4)：XGboost的目标函数泰勒展开相关问题_.mp4
3.3XGBoost的智慧(3)：求解XGBoost的目标函数推导过程_.mp4
3.2XGBoost的智慧(2)：XGBoost的目标函数，使用xgboost库建模_.mp4
3.1XGBoost的智慧(1)：选择弱评估器：重要参数booster_.mp4
2.3梯度提升树(7)：迭代决策树：重要参数eta_.mp4
2.3梯度提升树(6)：迭代决策树：重要参数eta_.mp4
2.2梯度提升树(5)：控制有放回随机抽样，参数subsample_.mp4
2.1梯度提升树(4)：基于方差偏差困境改进的学习曲线_.mp4
2.1梯度提升树(3)：参数n_estimators的学习曲线_.mp4
2.1梯度提升树(2)：参数n_estimators下的建模_.mp4
2.1梯度提升树(1)：集成算法回顾，重要参数n_estimators_.mp4
1XGBoost前瞻：安装xgboost，xgboost库与skleanAPI_.mp4
0本周要学习什么_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第三章数据预处理与特征工程】
2.8特征选择8：包装法+总结_.mp4
2.7特征选择7：嵌入法(2)_.mp4
2.6特征选择6：嵌入法(1)_.mp4
2.5特征选择5：过滤法互信息法(2)+总结_.mp4
2.4特征选择4：过滤法F检验和互信息法(1)_.mp4
2.3特征选择3：过滤法卡方过滤_.mp4
2.2特征选择2：过滤法方差过滤(2)_.mp4
2.1特征选择1：过滤法方差过滤(1)_.mp4
1.6数据预处理6：处理连续型数据_.mp4
1.5数据预处理5：处理分类型数据_.mp4
1.4数据预处理4：缺失值(2)_.mp4
1.3数据预处理3：缺失值(1)_.mp4
1.2数据预处理2：数据标准化_.mp4
1.1数据预处理1：数据归一化_.mp4
0概述+12期课纲_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第七章支持向量机与医疗数据集调参】
2.3.2重要参数C&总结_.mp4
2.3.1SVM在软间隔数据上的推广_.mp4
2.2.5案例：在乳腺癌数据集上对核函数进行调参(2)_.mp4
2.2.5案例：在乳腺癌数据集上对核函数进行调参(1）_.mp4
2.2.4案例：在乳腺癌数据集上探索核函数的X质_.mp4
2.2.3案例：如何选取最佳核函数(2)_.mp4
2.2.3案例：如何选取最佳核函数(1)_.mp4
2.2.1&2.2.2非线XSVM与核函数：重要参数kernel_.mp4
2.1.4SVM求解可视化（6）：JupyterNotebook中的3D交互功能_.mp4
2.1.4SVM求解可视化（5）：非线X数据集上的推广与3D可视化_.mp4
2.1.4SVM求解可视化(4)：探索建立好的模型_.mp4
2.1.4SVM求解可视化(3)：建模，绘制图像并包装函数_.mp4
2.1.4SVM求解可视化(2)：理解网格制作函数meshg日d与vstack_.mp4
2.1.4SVM求解可视化(1)：理解等高线函数contour_.mp4
2.1.3.3求解拉格朗日对偶函数极其后续过程_.mp4
2.1.3.2拉格朗日对偶函数(2)_.mp4
2.1.3.2拉格朗日对偶函数(1)_.mp4
2.1.3.1损失函数的拉格朗日乘数形态_.mp4
2.1.2函数间隔与几何间隔_.mp4
2.1.1线XSVC的损失函数(2)_.mp4
2.1.1线XSVC的损失函数(1)_.mp4
1.2支持向量机是如何工作的&sklearn中的SVM_.mp4
1.1支持向量机概述：最强大的机器学习算法_.mp4
0本周要学习什么_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第六章聚类算法与量化案例】
4案例：Kmeans做矢量量化(4)_.mp4
4案例：Kmeans做矢量量化(3)_.mp4
4案例：Kmeans做矢量量化(2)_.mp4
4案例：Kmeans做矢量量化(1)：案例背景_.mp4
3.5重要属X与接口&函数k_means_.mp4
3.3重要参数max_iter&tol：如何让聚类停下来？_.mp4
3.2重要参数init&random_state&n_init：初始质心怎么决定？_.mp4
3.1.3案例：轮廓系数找最佳n_clusters(3)_.mp4
3.1.3案例：轮廓系数找最佳n_clusters(2)_.mp4
3.1.3案例：轮廓系数找最佳n_clusters(1)_.mp4
3.1.2聚类算法的模型评估指标(3)CHI_.mp4
3.1.2聚类算法的模型评估指标(2)轮廓系数_.mp4
3.1.2聚类算法的模型评估指标(1)_.mp4
3.1.1KMeans重要参数n_clusters_.mp4
2.2&2.3簇内平方和，时间复杂度_.mp4
2.1Kmeans是如何工作的？_.mp4
1.2sklearn当中的聚类算法_.mp4
1.1无监督学习概述，聚类vs分类_.mp4
0概述_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第九章回归大家族：线X，岭回归，Lasso，多项式】
5.3.4多项式回归：线X还是非线X模型？+本周结语_.mp4
5.3.3多项式回归的可解释X_.mp4
5.3.2多项式回归提升模型表现_.mp4
5.3.1多项式对数据做了什么？_.mp4
5.2离散化：帮助线X回归解决非线X问题_.mp4
5.1.3线Xvs非线X模型(2)：拟合，效果与特点_.mp4
5.1.3线Xvs非线X模型(1)：线X模型在非线X数据集上的表现_.mp4
5.1.1&5.1.2线X数据与非线X数据_.mp4
4.3.3Lasso选择最佳正则化参数_.mp4
4.3.2Lasso的核心作用：特征选择_.mp4
4.3.1Lasso处理多重共线X_.mp4
4.2.3为岭回归选择最佳正则化参数_.mp4
4.2.2sklearn中的岭回归：linear_model.日dge_.mp4
4.2.1岭回归处理多重共线X_.mp4
4.1多重共线X：含义，数学，以及解决方案_.mp4
3.2回归类模型的评估指标：是否拟合了足够的信息？_.mp4
3.1回归类模型的评估指标：是否预测准确？_.mp4
2.3多元线X回归的参数，属X及建模代码_.mp4
2.2用最小二乘法求解多元线X回归的过程_.mp4
2.1多元线X回归的基本原理和损失函数_.mp4
1概述，sklearn中的线X回归大家族_.mp4
0本周要学习什么.mp4_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第二章随机森林与医疗数据集调参】
5.2案例：随机森林在乳腺癌数据上的调参(2)_.mp4
5.1.案例：随机森林在乳腺癌数据上的调参(1）_.mp4
4.机器学习中调参的基本思想_.mp4
3.5案例：用随机森林填补缺失值(4)_.mp4
3.4案例：用随机森林填补缺失值(3)_.mp4
3.3案例：用随机森林填补缺失值(2)_.mp4
3.2案例：用随机森林填补缺失值(1)_.mp4
3.1随机森林回归器_.mp4
2.3[选学]袋装法的另一个必要条件_.mp4
2.2参数boostrap&oob_score+重要属X和接口_.mp4
2.1随机森林分类器_.mp4
1集成算法概述_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/第八章支持向量机与Kaggle案例：澳大利亚天气数据集】
4.6SVM总结与结语_.mp4
4.5.3案例：模型调参：追求精确度与recall的平衡_.mp4
4.5.2案例：模型调参：追求最高的精确度(2)_.mp4
4.5.2案例：模型调参：追求最高的精确度(1)_.mp4
4.5.1案例：模型调参：追求最高的recall_.mp4
4.4案例：建模与模型评估(2)_.mp4
4.4案例：建模与模型评估(1)_.mp4
4.3.6&4.3.7案例：现实数据集上的数据预处理：连续型变量_.mp4
4.3.5案例：现实数据上的数据预处理编码分类型变量_.mp4
4.3.4案例：现实数据上的数据预处理填补分类型变量的缺失值_.mp4
4.3.3案例：现实数据上的数据预处理处理地点(4)_.mp4
4.3.3案例：现实数据上的数据预处理处理地点(3)_.mp4
4.3.3案例：现实数据上的数据预处理处理地点(2)_.mp4
4.3.3案例：现实数据上的数据预处理处理地点(1)_.mp4
4.3.2案例：现实数据上的数据预处理处理时间_.mp4
4.3.1案例：描述X统计，处理异常值_.mp4
4.2案例：分集，优先处理标签_.mp4
4.1案例：导库导数据，探索特征_.mp4
4案例：预测明天是否会下雨案例背景_.mp4
3选学说明：使用SVC时的其他考虑_.mp4
2.2.5利用ROC曲线求解最佳阈值_.mp4
2.2.4sklearn中的ROC曲线和AUC面积_.mp4
2.2.3绘制ROC曲线(3)_.mp4
2.2.3绘制ROC曲线(2)_.mp4
2.2.3绘制ROC曲线(1)_.mp4
2.2.2SVM做概率预测_.mp4
2.2.1概率与阈值_.mp4
2.2ROC曲线：Recall与假正率FPR的平衡_.mp4
2.1.4sklearn中的混淆矩阵_.mp4
2.1.3对多数类样本的关怀：特异度Specificity和假正率_.mp4
2.1样本不平衡的艺术(2)：召回率Recall与F1measure_.mp4
2.1样本不平衡的艺术(1)：精确度Precision_.mp4
2.1混淆矩阵与准确率_.mp4
2SVC的模型评估指标_.mp4
1.3如何使用参数class_weight(2)_.mp4
1.3如何使用参数class_weight(1)_.mp4
1.3二分类SVC中的样本不均衡问题_.mp4
1.2参数C的深入理解：多个支持向量存在的理由_.mp4
1.1简单复习支持向量机的基本原理_.mp4
0目录：本周将学习什么内容_.mp4
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件/08支持向量机下】
SVM2理论部分源码_.ipynb
SVM2案例部分源码_.ipynb
SVM(下)府llversion_.xml
SVM(下)府llversion_.pdf
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件/07支持向量机上】
SVM1_.ipynb
SVM(上)府llversion_.xml
SVM(上)府llversion_.pdf
Record_.ipynb
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件/06聚类算法Kmeans】
聚类算法与Kmeans_.ipynb
聚类算法KMeansE赌version_.pdf
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件/05逻辑回归与评分卡】
评分卡模型_.ipynb
逻辑回归_.ipynb
逻辑回归府llversion_.xml
逻辑回归府llversion_.pdf
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件/04主成分分析PCA与奇异值分解SVD】
降维算法府llversion_.xml
降维算法府llversion_.pdf
Record_.ipynb
record2_.ipynb
digitrecognizor_.csv
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件/03数据预处理和特征工程】
数据预处理与特征工程府llversion_.xml
数据预处理与特征工程府llversion_.pdf
record_.ipynb
digitrecognizor_.csv
页:
[1]