【百度】人工智能机器学习第四期视频课，包括Python入门、数据分析处理、可视化等【外部】
59288文件名称： 【百度】人工智能机器学习第四期视频课，包括Python入门、数据分析处理、可视化等【外部】
文件总数量： 1280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：
01-16-模块与包.ts28.98M
13-5-模型解释.ts45.28M
05-5-牛顿-莱布尼茨公式.ts32.60M
06-6-效率对比分析.ts59.63M
02-数据分析处理库-Pandas
02-2-过滤筛选因子指标数据.ts27.83M
11-回归分析
05-5-NLTK工具包简介.ts36.13M
08-8-卡方检验.ts60.31M
05-4-基于用户的协同过滤.ts16.30M
08-8-离散属X特征处理.ts37.44M
05-5-贝叶斯推导实例.ts13.36M
18-Tensorflow自己打造word2vec
01-1-数据与任务目标分析.ts35.12M
11-11-手写字体识别数据集.ts44.86M
01-9-字典基础定义.ts17.50M
03-3-KMEANS迭代可视化展示.ts27.23M
07-7-前向传播整体流程.ts44.21M
04-4-Python简介
05-5-参数求解.ts35.51M
01-1-深度学习要解决的问题.ts23.08M
01-3-Notebook工具使用.ts64.51M
06-6-梯度下降通俗解释.ts24.30M
第12章：因子策略选股实例
09-8-List核心操作
06-6-DBSCAN可视化展示.ts28.39M
第19章：Matplotlib工具包实战
01-19-类的基本定义.ts28.69M
02-神经网络整体架构
07-7-完成全部算法流程.ts34.33M
06-6-对象操作.ts27.50M
10-9-加载模型进行测试.ts57.97M
01-项目实战-交易数据异常检测
05-4-连续X与导数.ts23.39M
09-9-xgboost模型进行分析预测.ts53.90M
09-9-基本特征构造.ts50.96M
09-核函数变换
08-8-ROC与AUC模型评估标准.ts62.09M
14-14-词云展示.ts95.80M
04-4-贝叶斯算法概述.ts12.72M
01-1-Bian与Variance曲线.ts40.28M
05-5-疾病引起原因分析实战.ts60.99M
04-4-DBSCAN聚类算法.ts21.56M
矩阵.pdf1.32M
04-4-定时器功能与作用.ts69.80M
06-6-损失函数的作用.ts35.13M
01-1-Numpy概述.ts29.58M
06-6-负采样方案.ts33.10M
01-1-基于随机森林的气Wen预测任务概述.ts44.89M
07-7-二维连续型随机变量.ts16.40M
01-1-人口普查预测任务概述.ts64.75M
01-1-数据与任务介绍.ts25.63M
05-5-混淆矩阵.ts27.14M
01-1-Sklearn工具包简介.ts40.56M
02-2-工具包注释.ts36.27M
02-2-图模型信息提取.ts31.40M
10-聚类算法实验分析
SVD.pdf396.61kb
04-4-夏普比率的作用.ts19.54M
09-9-知识点总结.ts29.29M
19-18-文件操作
01-1-深度学习要解决的问题.ts23.08M
02-2-方差与协方差.ts28.93M
02-微积分
07-7-客户数据特征可视化分析.ts27.15M
03-基于相似度的酒店推荐系统
06-6-质量相关分析.ts56.80M
02-1-推荐系统应用.ts21.01M
03-智慧城市-道路通行时间预测
02-2-计算得到簇中心点.ts27.66M
核函数.pdf477.72kb
01-5-策略效果评估分析.ts59.53M
22-关联规则实战分析
04-3调色板.ts23.02M
05-5数据清洗方法分析.ts63.83M
05-5-相似度计算.ts52.85M
16-贝叶斯分析
03-3-词袋模型分析.mp471.02M
02-2-常用特征构造手段.ts57.57M
08-8-Adaboost决策边界效果.ts68.06M
04-4-数组类型.ts20.89M
第十一章：项目实战-交易数据异常检测
02-2-数据挖掘流程.ts42.65M
22-关联规则实战分析
04-4-特征可视化.ts43.54M
08-8-候选词相似度特征.ts23.13M
02-2-距离与数据定义.ts23.14M
07-7-对象操作2.ts28.42M
07-7-数据预处理.ts40.98M
01-1-数据任务分析.ts66.71M
03-实现梯度下降优化模块.ts44.66M
04-4-测试模型效果.ts60.88M
03-2-极限.ts18.06M
04-4-电影特征数据可视化.ts43.54M
02-2-特征工程制作.ts63.07M
10-10-MCMC概述.ts54.71M
06-6-基于矩阵分解的音乐推荐.ts93.14M
03-3-时间特征处理.ts62.07M
16-支持向量机原理推导
15-15-练习题-2.ts44.87M
03-3-模型整体框架.ts31.87M
04-4-构建用户特征表单.ts60.96M
05-5-多因素方差分析.ts51.04M
07-6-隐语义模型.ts13.04M
06-6-候选词统计特征.ts38.02M
05-5-化简最终目标函数.ts19.20M
15-17-索引进阶.ts24.79M
01-1-时间序列模型.ts33.14M
04-商品销售额回归分析
07-得到线X回归方程.ts40.13M
03-3-能源信息各项指标数据预处理.ts51.18M
02-2-股票池筛选.ts41.50M
01-1-数据与任务流程.ts50.76M
13-13-后验概率估计.ts26.26M
04-4-实现线X判别分析进行降维任务.ts28.05M
03-3-道路通行时间序列数据生成.ts44.55M
02-2-硬投票与软投票效果对比.ts76.45M
17-19-大数据处理技巧.ts73.53M
01-kiva贷款数据集介绍.ts44.23M
06-6-停用词过滤.ts31.23M
04-4-坐标棋盘制作.ts44.06M
13-12-赋值机制
05-5-得分函数.ts37.12M
02-2-支持度与置信度.ts37.12M
03-模型评估方法
Matplotlib绘图.zip3.69M
07-7参数更新方法.ts28.56M
02-2-数据集整合.ts59.67M
01-0-课程简介1.ts5.80M
01-1-建筑能源利用效率任务概述.ts14.47M
05-5-完成选股方法.ts17.66M
06-6-TF-IDF特征分析对比.ts48.80M
02-2-买点与卖点可视化分析.ts40.06M
24-词向量word2vec通俗解读
14-14-贝叶斯拼写纠错实例.ts20.84M
02-2-Xgboost效果.ts53.74M
01-1-数据任务概述.ts30.01M
06-6-特征重要X热度图展示.ts59.90M
11-11-直方图与散点图.ts39.07M
01-KIVA贷款数据
13-13-结巴分词器.ts31.56M
05-5-鸢尾花数据集聚类任务.ts36.89M
01-23-Python练习题-2.ts44.01M
03-卷积神经网络原理与参数解读
03-3-ngram结果可视化展示.ts59.95M
02-2-化简与求解.ts33.63M
01-10-字典的核心操作.ts25.56M
05-5-突变点调参.ts89.54M
04-4-Python实战关联规则.ts38.29M
08-8-不同策略效果对比.ts38.01M
第17章：fbprophet时间序列预测神器
13-基于深度学习的时间序列预测
05-5-提取房屋常见设施.ts77.40M
05-5-迭代优化参数.ts55.67M
01-20-类的属X操作.ts31.41M
03-3-卷积特征值计算方法.ts24.19M
03-3-双变量分析.ts31.67M
10-2-评估指标-Inertia_20190805_232027.ts53.70M
01-1-Matplotlib概述.ts29.07M
05-6-针对时间序列进行分析.ts37.98M
12-图像特征聚类分析实践
17-支持向量机实验分析
05-5-极大似然估计.ts27.43M
04-4-特征提取.ts71.37M
03-3-离散数据处理.ts66.57M
28-隐Ma尔科夫模型
03-3-贝叶斯学派与经典统计学派的争论.ts27.77M
01-第一模块：Python快速入门
09-9-统计效果展示.ts27.35M
02-2-数据问题探索与解决方案.ts60.59M
02-2-熵的作用.ts25.92M
07-自然语言处理必备工具包实战
03-3-缺失值处理.ts47.79M
16-18-Pandas绘图操作.ts42.84M
06-案例实战卷积神经网络
第5章第五模块：机器学习算法建模实战
02-2-随机森林优势与特征重要X指标.ts30.26M
02-2-微积分的解释.ts20.36M
24-词向量word2vec通俗解读
04-4-序列缺失补全方法.ts42.65M
13-13-模型优化结果展示.ts61.04M
02-2-回归方程定义.ts18.59M
08-贝叶斯优化实战
04-4-时间序列重采样操作.ts44.14M
14-14-过采样效果与项目总结.ts47.39M
02-2-数据集切分.ts29.42M
20-19-类的基本定义
02-2-神经网络整体架构.ts34.50M
01-1-词向量模型通俗解释.ts24.40M
07-7-Adaboost算法概述.ts13.39M
03-3-条件概率.ts23.01M
04-4.使用lightgbm进行饭店流量预测
11-3-选择参数.ts74.45M
04-4-加入新的数据与特征.ts54.87M
14-14-实验总结.ts63.42M
熵.pdf267.74kb
02-2-网络结构与参数定义.ts30.83M
06-6-训练xgboost模型.ts57.08M
05-5-挖掘频繁项集.ts30.23M
第5章：Pandas
16-15-函数定义
05-5-正则化与激活函数.ts32.65M
03-3-特征展示分析.ts33.59M
01-1-贝叶斯要解决的问题.ts16.13M
01-1-层次聚类概述.ts21.73M
01-12-赋值机制.ts6.38M
04-4-神经元个数对结果的影响.ts78.22M
11-11-必杀神奇：lightgbm.ts100.28M
04-4-Python实战关联规则.ts38.29M
02-1-回归问题概述.ts22.55M
05-5-贝叶斯公式对数变换.ts33.84M
01-1-方差分析概述.ts23.00M
02-2-工具包使用方法.ts61.41M
04-4-因子打分与排序.ts34.50M
05-5-标签变换.ts47.89M
07-测试算法效果.ts25.64M
01-1-概率与频率.ts17.19M
01-数据特征
08-第八模块：Python金融分析与量化交易实战
05-fbprophe时间序列预测
后验概率估计.pdf230.81kb
05-5-word2vec词向量模型.ts60.54M
05-商品信息可视化与文本分析
05-5-文本特征构建.ts80.40M
05-5-贝叶斯建模结果.ts55.17M
05-5-复杂度计算.ts17.36M
05-5-拉格朗日乘子法.ts30.44M
04-4-人口信息数据特征工程展示.ts47.92M
01-1-金融时间序列数据统计分析.ts65.35M
11.HMM案例实战
10-10-维特比算法.ts48.87M
05-5-高斯核函数.ts22.82M
15-NLP-文本特征方法对比
04-4-似然函数的作用.ts33.60M
05-5-word2vec词向量模型.ts60.54M
04-4-实现中文分词.ts40.58M
02-初始化步骤.ts27.46M
02-2-子图与标注.ts51.55M
01-8-预测结果展示.ts27.77M
10-机器学习项目实战模板
03-3-提升度的作用.ts46.28M
10-10-集成参数对比分析.ts95.26M
梯度.pdf702.08kb
18-14-Pandas常用操作2.ts30.31M
03-2-数据加载与预处理.ts41.21M
05-5-权重划分.ts54.53M
07-7-购买因素分析.ts33.05M
04-4-调整参数空间.ts48.20M
11-6-2-聚类案例实战.ts60.33M
05-5-学习率对结果的影响.ts37.42M
01-0-课程简介.ts5.80M
02-2-各个国家贷款需求.ts46.72M
11-决策树原理
01-1-fbprophet股价预测任务概述.ts85.77M
07-7-后剪枝方法.ts28.22M
01-1-熵的概念.ts11.69M
第一章：快手用户活跃度预测
第11章选修：机器学习进阶实战
11-银行客户还款可能X预测
03-3-batch数据制作.ts57.85M
03-3-完成预测模块.ts41.65M
01-1-行列式概述.ts14.48M
06-6-GMM实例.ts28.59M
05-5-标准化处理方法.ts31.18M
04-4-CBOW与Skip-gram模型.ts26.88M
第二章：工业化生产预测
01-1-线X判别分析要解决的问题.ts22.71M
05-5-SVD矩阵分解.ts35.13M
02-2-常用特征构造手段.ts57.57M
01-1-回归问题概述.ts22.55M
04-4-数组保存与读取.ts28.95M
07-7-模型评估方法与召回率.ts38.00M
Python实现音乐推荐系统
01-1-相关分析概述.ts33.44M
03-3-Pandas索引.ts59.70M
07-案例实战LSTM时间序列预测任务
02-金融数据时间序列分析
10-10-名字实体匹配.ts24.30M
01-1-线X判别分析要解决的问题.ts22.71M
08-1-不稳定结果.ts20.87M
05-5-T检验基本原理.ts64.96M
08-8-merge操作.ts30.32M
16.NLP-文本特征方法对比
01-1-策略任务分析.ts24.11M
06-6-数据检查与特征工程.ts63.99M
08-8-随机参数选择方法实践.ts48.26M
08-8-核函数的作用.ts37.04M
06-6-评估指标对比分析.ts59.23M
02-2-一点一世界.ts24.08M
08-8-聚类特征信息可视化展示.ts87.80M
06-6-中X化处理方法通俗解释.ts25.49M
09-9-构建合适的特征.ts57.03M
10-10-维特比算法.ts48.87M
21-2-DBSCAN算法_20190805_232033.ts61.67M
11-11-Python卡方检验实例.ts29.28M
特征值与特征向量.pdf386.91kb
06-5-Drop-out操作.ts49.82M
第9章第九模块：深度学习必备核⼼算法
11-11-恐怖袭击分析.ts45.72M
26-主成分分析与线X判别分析
05-5-lightgbm建模.ts44.33M
04-4-方差分析中的多重比较.ts34.55M
15-15-结合pandas与sklearn.ts37.16M
04-4-购物车情况与复购.ts41.31M
04-4-股票池筛选.ts25.37M
08-8-得出最终模型结果.ts41.59M
06-6-数据探索概述.ts21.82M
12-12-算法代码错误修正.ts61.52M
06-6-多分类-softmax.ts68.18M
03-3-Z检验基本原理.ts22.13M
09-9-绘图细节设置.ts31.18M
05-5-聚类划分商品.ts50.47M
商品订单数据集分析.zip198.00M
04-4-输入样本填充补齐.ts40.83M
05-6-热度图展示.ts37.61M
07-7-前向算法求解实例.ts37.99M
12-12-停止方案实施.ts55.01M
10-10-模型复杂度.ts73.75M
09-9-statsmodels回归分析.ts38.31M
04-可视化库-Seaborn
05-5-求解得出降维结果.ts26.59M
5.人口普查数据集项目实战-收入预测
12-4-测试模型.ts60.88M
01-1-GBDT效果.ts44.10M
07-7-预处理与建模准备.ts61.30M
02-2-隐Ma尔科夫模型基本出发点.ts21.82M
02-2-决策边界可视化展示.ts38.83M
05-5-DBSCAN工作流程.ts31.14M
03-3-GBDT工作流程.ts24.64M
03-3-构建用户特征序列.ts45.22M
12-12-Xgboost模型.ts25.98M
06-6-电影数据集题材关联分析.ts62.97M
12-2-如何找到合适的K值_20190805_232026.ts39.23M
02-2-概率的解释.ts29.26M
06-6-内积与正交.ts31.27M
20-机器学习项目实战-数据处理与特征提取
第九章：用电敏感客户分类
03-3-连续指标变化情况分析.ts68.97M
07-第七模块：机器学习竞赛优胜解决方案实战
04-4-房屋信息指标分析.ts92.06M
04-4-实现线X判别分析进行降维任务.ts28.05M
11-11-模型提前停止策略.ts35.69M
04-4-优化目标定义.ts44.05M
03-3-贝叶斯优化效果.ts41.44M
02-2-矩阵与数据的关系.ts22.64M
05-5-数值运算.ts43.42M
04-4-训练数据构建.ts17.84M
04-4-获取给定区间全部数据.ts22.47M
01-1-基本数值特征.ts54.19M
04-4-KDEPLOT展示.ts34.66M
23-关联规则代码实现
03-3-数据标准化处理.ts56.17M
20-贝叶斯算法原理
13-决策树实验分析
06-6-梯度计算.ts54.90M
第六章：机器学习-模型解释方法实战.zip4.66M
05-人口普查数据集项目实战-收入预测
04-4-暴力求解方法.ts31.65M
第7章：双均线交易策略实例.zip747.87kb
01-6-Python字符串操作.ts30.17M
01-深度学习必备基础知识点础
05-5-策略效果评估分析.ts59.53M
07-7-多变量展示.ts64.95M
07-1-特征对比分析方法.ts53.07M
05-5-部分特征分析与可视化.ts51.07M
17-使用word2vec分类任务
01-1-EM算法要解决的问题.ts19.72M
第三章：基于相似度的酒店推荐系统.zip1.81M
05-5-突变点调参.ts89.54M
04-4-网络训练.ts55.18M
01-1-支持向量机所能带来的效果.ts33.67M
04-2-聚类结果展示_20190805_232030.ts22.25M
08-整体流程debug解读.ts38.70M
06-6-T检验实例.ts27.62M
08-8-数据特征构造.ts40.92M
03-3-随机优化结果.ts38.52M
15-14-循环结构
04-4-多特征预测结果.ts31.36M
07-7-策略任务概述.ts37.34M
06-6-构建低敏用户模型.ts75.12M
12-决策树代码实现
03-3-连续值离散化与可视化细节.ts52.32M
11-HMM案例实战
02-2-时间序列分析.ts80.52M
02-2-工具包使用方法.ts61.41M
02-2-数据集demo.ts14.10M
09-9-神经网络整体架构.ts34.50M
15-集成算法实验分析
02-2-设置参数空间.ts58.66M
11-11-决策边界绘制.ts62.27M
mldata
概率分布与概率密度.pdf640.21kb
14-方差分析
09-9-得出推荐结果.ts57.82M
03-3-泊松分布.ts77.44M
02-2-连续型随机变量.ts29.58M
01-1-泰勒公式出发点.ts15.53M
11-10Facetgrid绘制多变量.ts24.63M
10-10-绘图细节设置2.ts32.54M
13-15-Groupby操作延伸.ts49.19M
09-8-正则化对结果的影响.ts103.51M
06-6-排序操作.ts36.49M
02-第二模块：Python数据科学必备工具包实战
01-1-为什么要做自己的数据工具包.ts10.07M
28-隐Ma尔科夫模型
课件
01-1-数据与环境配置.ts73.06M
02-2-参数初始化操作.ts48.12M
10-选修：Python数据分析案例实战
05-5-信息增益率与gini系数.ts21.01M
03-3-样本点归属划分.ts29.23M
01-1-多分类逻辑回归整体思路.ts23.82M
8-聚类算法-Kmeans&Dbscan原理
12-12-模型诊断.ts47.69M
10-6-1-多种聚类算法概述.ts7.78M
07-7-T检验应用条件.ts32.64M
04-4-最小二乘法推导与求解.ts43.03M
06-6-beta分布.ts66.78M
06-6-二维离散型随机变量.ts22.47M
04-递归神经网络与词向量原理解读
05-降维算法-线X判别分析
第9章：量化交易解读.zip165.93kb
07-6-方向导数.ts22.11M
02-1-函数.ts13.42M
03-第三模块：人工智能-必备数学课程
12-11热度图绘制.ts37.72M
01-1-KMEANS算法概述.ts20.71M
02-2-KMEANS工作流程.ts16.11M
第14章：因子打分选股实战
04-4-DBSCAN聚类算法.ts21.56M
05-5-DBSCAN工作流程.ts31.14M
第三章：智慧城市道路通行时间预测
07-6-DBSCAN可视化展示.ts28.39M
05-5-卡方分布.ts37.05M
03-3-误差项的定义.ts33.84M
01-12-感受野的作用.ts19.08M
15-聚类分析
11-11-PYMC3概述.ts29.91M
10.HMM隐Ma尔科夫模型
06-逻辑回归代码实现
2-线X回归代码实现
04-4-决策树构造实例.ts28.78M
第十二章：图像特征聚类分析实践.zip12.31M
01-1-神经网络整体框架概述.ts24.96M
04-4-拼接模块.ts24.71M
04-4-亚Ma逊股价趋势.ts63.27M
01-1-饭店流量数据介绍.ts35.37M
07-7-得出最终结果.ts61.91M
07-逻辑回归实验分析
01-1-KMEANS算法概述.ts20.71M
04-4-算法迭代更新.ts31.69M
09-1-评估指标-Inertia.ts53.70M
01-1-决策树算法概述.ts27.92M
03-3-BatchNormalization效果.ts62.33M
10-聚类算法实验分析
04-4-非线XSVM.ts25.79M
06-6-损失函数定义.ts40.10M
01-1-关联规则概述.ts24.16M
01-1-基本数值特征.ts54.19M
01-1-任务目标解读.ts40.62M
散点图绘制技巧.zip6.27M
06-6-变量与结果的关系对比分析.ts40.65M
03-3-客流趋势动态展示.ts54.84M
06-6-深度学习模型.ts43.52M
04-4-序列特征提取方法.ts37.01M
6-逻辑回归代码实现
10-2-基础模型对比.ts70.34M
03-3-Notebook工具使用
02-2-工具包使用方法.ts61.41M
14-14-子图布局.ts46.46M
06-随机变量
12-12-案例：缺失值填充.ts101.56M
02-2-时间序列分析.ts80.52M
02-1-卷积层构造.ts46.99M
12-决策树代码实现
13-13-神经网络过拟合解决方法.ts45.28M
01-1-PCA基本概念.ts54.02M
第4章第四模块：机器学习算法精讲及其案例应用
第16章：聚类与统计策略分析.zip1004.71kb
04-4-各道工序特征构建.ts71.26M
08-8-特征工程的价值和方法.ts70.36M
01-22-Python练习题-1.ts29.86M
第五章：绝地求生数据集探索分析与建模.zip345.95M
07-7-多元与曲线回归问题.ts44.29M
02-2-特征空间与应用.ts11.76M
第九章：自然语言处理特征提取方法对比.zip1.22M
03-3-方差分析计算方法.ts68.54M
04-损失与预测模块.ts52.57M
07-7-工具包绘图展示.ts21.93M
06-6-预剪枝方法.ts28.69M
18-神经网络算法原理
03-3-训练时间序列数据预测结果.ts41.24M
11-11-测试集遇到的问题.ts26.55M
02-2-提取月份信息进行统计分析.ts26.44M
09-数据特征预处理
07-7-特征图尺寸计算与参数共享.ts24.79M
3-模型评估方法
02-2-Array数组.ts30.33M
02-1-回测收益率指标解读.ts32.27M
04-4-激活函数的问题.ts24.80M
数据分析与机器学习模板.zip11.16M
09-Kmeans代码实现
06-6-求解决策方程.ts36.56M
05-5-CBOW与Skip-gram模型.ts26.88M
05-5-构建商品特征表单.ts45.96M
06-6-参数变化情况.ts60.97M
07-7-图中联系人特征.ts76.99M
01-科学计算库-Numpy
04-线X代数基础
03-3-中文分词任务.ts15.36M
12-12-非线X决策边界.ts25.90M
05-5-可视化展示.ts54.54M
29-HMM应用实例
01-1-数据与任务简介.ts41.41M
01-1-模型解释方法与实践.ts51.18M
股票
09-9-参数求解.ts19.59M
04-3-独立同分布的意义.ts27.75M
01-整体模块概述.ts13.33M
02-2-数据清洗.ts30.85M
06-6-得出推荐结果.ts68.39M
第二章：爱彼迎数据集分析与建模.zip91.87M
10-10-数据透视表.ts34.07M
01-1-回测收益率指标解读.ts32.27M
11-11-随机模块.ts48.71M
06-7-各项数据指标统计分析.ts75.85M
02-2-数据集整合.ts59.67M
08-8-预测结果展示.ts27.77M
09-9-GBDT提升算法流程.ts27.40M
26-线X判别分析降维算法原理解读
05-5-数据集制作.ts36.69M
21-贝叶斯代码实现
14-13-判断结构
25-代码实现word2vec词向量模型
拉格朗日乘子法.pdf599.32kb
第四章：商品销售额回归分析.zip93.33M
11-11-神经元个数对结果的影响.ts64.51M
第8章：策略评估指标.zip363.20kb
03-3-词袋模型分析.ts71.02M
11-10-字典的核心操作
03-3-阶数的作用.ts21.26M
第4章：Numpy
01-1-影评情感分类.ts52.54M
04-4-统计与文本特征.ts65.72M
07-7-Xgboost训练模型.ts30.58M
04-4-使用gensim构建word2vec词向量（新）.ts75.77M
01-1-微积分基本想法.ts16.09M
08-8-贝叶斯解释.ts49.07M
03-3-树模型预剪枝参数作用.ts48.24M
05-第五模块：机器学习算法建模实战项目
10-10文本特征处理方法对比
07-7-计算机眼中的图像.ts26.11M
10-10-高阶与分类变量实例.ts67.63M
5-逻辑回归实验分析
06-6-app安装特征.ts41.54M
08-8-数据清洗实例.ts46.25M
07-7-数组形状操作.ts54.66M
01-1-假设检验基本思想.ts43.24M
18-2-半监督学习_20190805_232033.ts53.94M
03-3-中文分词任务.ts15.36M
07-7-多项式特征.ts49.13M
11-聚类分析策略
纽约出租车运行情况分析.zip436.76M
06-6-医疗数据集（糖尿病）实体识别.ts89.39M
05-医学糖尿病数据命名实体识别
01-1-核函数的目的.ts17.89M
05-5-数据清洗概述.ts63.83M
10-10-神经网络架构细节.ts41.95M
03-3-fbprophet时间序列预测实例.mp497.53M
06-6-标签制作.ts35.38M
01-高等数学基础
13-基于统计分析的电影推荐
06-6-深度学习模型.ts43.52M
10-10-混淆矩阵评估分析.ts60.84M
01-1-贝叶斯优化概述.ts27.18M
09-8分类属X绘图.ts25.34M
贷款数据分析.zip903.86M
第3章第三模块：人工智能-必备数学课程
06-6-基于矩阵分解的音乐推荐.ts93.14M
06-6-Python字符串操作
09-9-期望.ts12.45M
01-1-逻辑回归实验概述.ts58.26M
04-4-CBOW与Skip-gram模型.ts26.88M
05-5-负采样方案.ts33.10M
04-4-ShapValues指标分析.ts64.22M
09-多特征回归模型.ts69.21M
02-2-词袋模型.ts31.92M
01-1-模型解释方法与实践.ts51.18M
04-4-商品描述长度对价格的影响分析.ts38.00M
05-数据与标签定义.ts49.71M
03-3-垃圾邮件过滤实例.ts25.58M
09-9-Spacy工具包.ts52.37M
04-4-定积分X质.ts13.38M
04-4-文本特征处理.ts121.74M
03-3-PCA结果推导.ts38.44M
07-7-推荐引擎构造.ts56.75M
05-5-回归方程求解小例子.ts27.71M
03-3-提升算法概述.ts26.42M
01-1-数据与任务分析.ts51.73M
02-1整体布局风格设置.ts20.22M
13-13-岭回归与lasso.mp4103.52M
05-5-复杂度计算.ts17.36M
02-2-线X判别分析要优化的目标.ts21.75M
01-1-任务概述.ts36.64M
09-9-机器学习算法模型效果对比.ts74.02M
06-6-双变量分析.ts48.10M
06-6-完成预测模块.ts39.85M
05-量化交易与回测平台解读
04-4-特征工程.ts47.92M
04-纽约出租车建模
06-6-规则生成模块.ts30.10M
02-2-部分依赖图解释.ts24.43M
08-8-边缘分布.ts28.56M
03-1-聚类结果展示.ts22.25M
05-5-短均与长均计算实例.ts47.26M
01-1-基础模型建立.ts27.44M
04-4-1-KMEANS算法概述.ts20.71M
01-1-卷积神经网络应用领域.ts24.01M
05-5-疾病引起原因分析实战.ts60.99M
02-2-古典概型.ts18.68M
13-2-Kmenas算法存在的问题.ts38.90M
05-5-SVD矩阵分解.ts35.13M
03-3-商品类别可视化展示.ts46.96M
08-8-建立回归模型进行预测.ts54.76M
05-5-单变量展示.ts37.61M
16-16-练习题-3.ts61.90M
6.降维算法-线X判别分析
03-3-因子数据预处理.ts25.96M
27-主成分分析降维算法解读
03-3-双变量分析.ts31.67M
05-5-求解得出降维结果.ts26.59M
05-5-构造文本向量.ts54.34M
02-2-Adaboost算法.ts16.01M
05-5-交叉验证.ts30.69M
07-6回归分析绘图.ts23.12M
10-HMM隐Ma尔科夫模型
03-3-复购情况对比分析.ts35.23M
电影推荐.zip10.05M
04-4-拉格朗日乘子法求解.ts24.86M
07-7-1-索引结构
03-2-神经网络整体架构.ts34.50M
02-2-概率结果随特征数值的变化.ts52.07M
05-5-网络测试效果.ts26.06M
03-.可视化库-Matplotlib
11-选修：机器学习进阶实战
02-2-线X判别分析要优化的目标.ts21.75M
07-7-开发新变量.ts47.77M
02-2-整体模型架构.ts16.91M
09-9-逻辑回归模型.ts74.57M
04-4-groupby操作.ts37.34M
01-1-数据与任务介绍.ts25.63M
10-10-结果评估.ts95.65M
02-2-数据分析与可视化展示.ts33.74M
08-8-聚类分析与主题模型展示.ts63.11M
01-1-股票数据获取.ts19.81M
03-3-简单随机抽样.ts5.74M
02-2-决策边界展示分析.ts46.83M
06-7-随机森林建模.ts36.65M
03-3-策略收益效果分析.ts22.05M
03-3-提升度的作用.ts46.28M
03-3-风格设置.ts12.81M
02-2-KMEANS工作流程.ts16.11M
01-1-音乐推荐任务概述.ts72.88M
15-15-案例：回归求解.ts85.40M
21-贝叶斯代码实现
08-8-盒图细节.ts33.80M
05-1-建模流程解读.ts55.64M
03-3-统计指标生成.ts61.49M
06-6-贝叶斯拼写纠错实例.ts20.84M
01-1-hmmlearn工具包.ts22.28M
12-12-切比雪夫不等式.ts33.57M
03-3-Ricequant交易平台简介.ts33.46M
└──课件代码
03-3-信息增益原理.ts34.56M
05-5-序列结果预测.ts25.37M
10-因子打分选股实战
06-6-房屋规格热度图分析.ts55.44M
08-7参数更新方法.ts28.56M
数据降维.zip12.59M
02-2-层次聚类流程.ts60.55M
09-9-得出推荐结果.ts57.82M
04-4-集成效果展示分析.ts56.12M
03-3-基于物品的协同过滤.ts70.77M
02-2-词向量模型通俗解释.ts24.40M
04-4-下采样数据集制作.ts26.99M
02-2-二项式分布.ts54.99M
第8章第八模块：Python金融分析与量化交易实战
14-16-字符串操作.ts19.75M
06-6-DBSCAN可视化展示.ts28.39M
01-1-Python环境配置.ts35.95M
13-13-模型决策.ts71.46M
第6章：金融时间序列分析.zip588.16kb
03-3-准备word2vec输入数据.ts27.41M
05-5-方法对比.ts37.47M
06-6-词向量特征.ts78.79M
01-GBDT提升算法
19-制作自己常用工具包
05-数据集切分.ts30.99M
05-5-分类任务.ts25.13M
04-4-加载数据坐标到实际地图中进行分析.ts76.73M
09-9-常用生成函数.ts26.20M
02-2-Kmenas算法常用操作_20190805_232034.ts46.99M
05-5-多序列预测结果.ts61.22M
11-11-完成所有预处理操作.ts55.16M
13-13-数组保存.ts43.61M
16-2-应用实例-图像分割.ts45.60M
02-2-数据集中的结果.ts67.40M
02-2-部分依赖图解释.ts24.43M
02-2-序列变化情况分析计算.ts34.54M
05-5-核函数的作用与效果.ts76.40M
02-2-文本词频统计.ts35.59M
23-关联规则代码实现
第15章：基于回归的策略分析.zip935.39kb
12-12-阈值对结果的影响.ts42.84M
03-3-fbprophet时间序列预测实例.mp497.53M
21-20-类的属X操作
20-1-DBSCAN算法.ts61.67M
第7章第七模块：数据挖掘竞赛-优胜解决方案
04-4-拼写纠错实例.ts37.39M
07-7-textrank特征提取.ts34.11M
02-线X回归代码实现
01-1-Ma尔科夫模型.ts19.90M
05-5-阿尔法与贝塔概述.ts28.32M
03-3-基于物品的协同过滤.ts70.77M
01-1-量化交易概述.ts21.88M
01-8-List核心操作.ts28.85M
01-1-逻辑回归算法原理.ts26.38M
07-6-权重初始化方法对比.ts70.51M
03-3-数据-标签-语料库处理.ts45.39M
05-5-条形图细节.ts30.78M
04-4-stacking堆叠模型.ts22.91M
01-1-特征值与特征向量.ts17.73M
04-4-参数对比.ts79.30M
06-6-可视化.ts45.61M
08-8-随机森林与LightGBM.ts48.24M
04-线X回归实验分析
第十章：数据特征预处理.zip1.10M
02-2-Alphalens工具包介绍.ts55.42M
05-5-独立X.ts21.22M
25-代码实现word2vec词向量模型
04-4-物品相似度计算与推荐.ts72.30M
05-5-训练网络模型.ts45.42M
01-1-构建实验数据集.ts19.22M
01-课程内容与大纲介绍
08-8-正则化惩罚项.ts36.50M
09-9-整体网络架构.ts19.26M
06-6-股票数据预测.ts34.26M
05-5-负采样方案.ts33.10M
05-5-离群点剔除.ts47.30M
19-神经网络代码实现
01-1-Apripri算法整体流程.ts37.97M
06-6-随机梯度下降得到的效果.ts50.87M
03-3-定积分.ts21.59M
04-4-常用函数介绍.ts45.33M
03-3-可视化展示.ts38.08M
10-10-期望求解.ts23.91M
05-5-模型的结果解释与参数分析.ts45.28M
01-1-树模型可视化展示.ts35.33M
01-1-fbprophet股价预测任务概述.ts85.77M
02-2-中文分词与停用词过滤.ts38.88M
20-贝叶斯算法原理
07-7-前向算法求解实例.ts37.99M
15.学习曲线
03-3-文本关键词提取.ts78.35M
11-11-案例：汽车价格预测任务概述.ts46.70M
10-9-字典基础定义
07-2-不稳定结果_20190805_232028.ts20.87M
08-数据科学你得知道的几种分布
04-4-deepwalk构建图顶点特征.ts59.35M
07-7-多变量展示.ts64.95M
08-8-Baum-Welch算法.ts30.68M
03-3-时间特征提取.ts66.96M
15-1-Kmenas算法存在的问题_20190805_232023.ts38.90M
03-3-能源信息各项指标数据预处理.ts51.18M
01-1-百分位去极值方法.ts27.81M
01-1-支持向量机要解决的问题.ts22.48M
06-1-竞赛与目标分析.ts32.87M
06-5-偏导数.ts17.96M
3.xgboost-gbdt-lightgbm
03-3-构建LSTM模型.ts34.50M
03-3-计算与检验.ts73.50M
08-8-生成输出结果.ts73.98M
02-2-卷积的作用.ts25.87M
03-3-曲线实验结果.ts45.12M
01-1-dataleakage问题解决方案.ts75.83M
06-6-数据集切分.ts26.65M
08-8-特征工程的价值与方法.ts70.36M
05-案例实战搭建神经网络
01-1-打分法选股策略概述.ts17.80M
12-拓展：fbprophet时间序列预测神器
10-10-特征可视化展示.ts37.43M
01-17-异常处理模块.ts44.00M
02-2-构建时间序列数据.ts31.02M
14-1-轮廓系数的作用_20190805_232028.ts47.53M
05-5-基于回归与插值完成序列特征.ts62.58M
12-假设检验
08-8-优化参数设置.ts30.72M
第八章：数据特征常用构建方法
03-3-第一步：数据清洗.ts27.23M
02-递归生成树节点.ts32.04M
04-4-3Sigma方法实例.ts25.65M
06-6-求解拉格朗日乘子法.ts29.76M
01-11-Set结构.ts24.08M
02-2-数据清洗与标签转换.ts32.15M
11-回归分析策略
第十一章：银行客户还款可能X预测.zip36.57M
03-3-计算机视觉任务.ts20.13M
02-2-邮件数据读取.ts19.20M
03-3-获取因子指标数据.ts24.96M
03-3-Mad法去极值演示.ts24.64M
09-EM算法
12-12-回归分析结果.ts29.79M
第六章：贷款平台风控模型-特征工程
07-贝叶斯优化及其工具包使用
06-6-基于tf-idf提取关键词信息.ts40.22M
第20章：Seaborn
07-7-词X标注.ts40.28M
02-2-线X核函数.ts13.33M
第2章第二模块：Python数据科学必备工具包实战
12-12-时间序列操作.ts37.98M
07-7-通过降维进行可视化展示.ts43.42M
06-5-基于物品的协同过滤.ts24.55M
08-因子选股策略实战
06-完成树模型构建.ts31.42M
09-9-参数求解.ts19.59M
06-6-缺失值填充.ts22.43M
11-11-样本数量对结果的影响.ts68.80M
04-4-物品相似度计算与推荐.ts72.30M
09-8-优化参数设置.ts30.72M
04-第四模块：机器学习算法精讲及其案例应用
02-2-数据汇总.ts56.68M
05-5-各项统计特征.ts61.55M
第七章：新闻关键词抽取模型
10-10-加入天气特征对结果的影响分析.ts67.85M
05-5-生成特征汇总表.ts44.68M
14-14-测试效果可视化展示.ts70.10M
01-1-新闻数据与任务概述.ts27.82M
06-6-完成策略交易展示结果.ts34.75M
08-8-ROC曲线.ts36.23M
13-决策树实验分析
03-3-剔除开挂数据.ts43.87M
08-NLP核心模型-Word2vec
02-2-模型整体框架.ts31.87M
1.数据特征
01-快手短视频用户活跃度分析
Seaborn
17-13-Pandas常用操作.ts32.59M
04-4-文本特征处理.ts121.74M
09-8-模型评估标准.ts12.33M
09-9-特征工程汇总.ts93.11M
京东购买意向预测.zip499.49M
第四章：特征工程建模可解释工具包
08-8-返向传播计算方法.ts29.33M
07-7-sklearn工具包预处理模块.ts65.55M
07-7-特征汇总.ts57.77M
05-5-数据集制作.ts36.69M
08-7多变量分析绘图.ts24.22M
05-4-学习率对结果的影响.ts55.26M
20.数据处理与特征工程
14-14-案例：预处理问题.ts50.84M
09-5-3-DBSCAN可视化展示.ts28.39M
07-7-阈值对结果的影响.ts50.18M
01-1-Kmeans算法模块概述.ts11.81M
02-2-整体任务流程梳理.ts31.94M
04-4-视觉任务中遇到的问题.ts37.12M
04-4-词袋模型.ts49.53M
04-4-网络训练.ts55.18M
05-5-肯德尔系数.ts33.98M
02-xgboost-gbdt-lightgbm提升算法框架对比
06-Ricequant回测选股分析实战
24-23-Python练习题-2
06-6-损失函数的作用.ts35.13M
02-2-皮尔森相关系数.ts29.11M
06-6-不同类别的出租车运行情况对比.ts37.10M
05-5-Python数值运算
12-12-正则化与激活函数.ts32.65M
01-1-正太分布.ts85.21M
03-2-股票池筛选.ts41.50M
第13章：因子分析实战.zip1.20M
02-2-词袋模型.ts31.92M
08-8-鸢尾花数据集多分类任务.ts31.14M
06-6-基于回归与插值进行序列补全.ts36.11M
第十章：机器学习项目实战模板
03-3-贷款金额与还款间隔分析.ts42.92M
09-9-回归任务概述.ts17.31M
01-1-回归分析概述.ts25.63M
4-线X回归实验分析
06-6-IC指标值计算.ts42.65M
08-7-2-List基础结构
02-2-处理流程与数据简介.ts62.79M
第1-3章：Python基础
08-8-池化层的作用.ts12.99M
10-10-序列化执行预处理操作.ts48.15M
05-5-工具包调用.ts22.52M
11-11-Ma尔科夫不等式.ts22.56M
01-线X回归整体模块概述.ts16.59M
03-3-EM算法求解实例.ts29.29M
10-9Facetgrid使用方法.ts19.82M
02-2-方差的比较.ts52.96M
08-8-Baum-Welch算法.ts30.68M
12-12-3D图绘制.ts51.00M
06-6-变量与结果的关系.ts40.65M
01-1-数据与任务介绍.ts25.63M
03-3-节点权重特征提取(PageRank).ts40.23M
14-集成算法原理
01-21-时间操作.ts15.63M
02-爱彼迎数据集分析与建模
02-2-量化交易所需技能分析.ts31.18M
04-4-矩阵的几种变换.ts13.97M
04-推荐系统实战
06-5单变量分析绘图.ts24.05M
03-3-扫描模块.ts27.32M
01-1-随机森林算法原理.ts36.30M
06-训练线X回归模型.ts50.70M
07-因子数据预处理实战
04-4-暴力求解方法.ts31.65M
11-11-构建回归方程.ts43.66M
04-4-Jensen不等式.ts19.48M
04-5-绘图统计分析.ts44.83M
03-2风格细节设置.ts19.80M
17-1-应用实例-图像分割_20190805_232021.ts45.60M
01-1-Python环境配置
01-1-任务目标与数据集介绍.ts80.12M
03-3-可视化展示与特征重要X.ts92.33M
01-1-建筑能源利用效率任务概述.ts14.47M
13-13-案例：特征相关X.ts99.22M
02-2-Python库安装工具
07-7-高敏模型概述.ts52.72M
05-5-OOB袋外数据的作用.ts20.66M
03-泰勒公式与拉格朗日
07-7-MiniBatch方法.ts35.89M
02-2-整体模型架构.ts16.91M
09-9-多项式回归.ts43.14M
07-7-GMM聚类.ts26.35M
01-1-金叉与死叉介绍.ts16.76M
05-5-步长与卷积核大小对结果的影响.ts22.62M
多变量分析.zip439.13kb
13-13-堆叠模型.ts25.62M
17.使用word2vec分类任务
03-3-预处理对结果的影响.ts62.63M
06-6-聚类效果展示.ts58.94M
05-5-GMM模型.ts16.73M
04-4-文章与词向量分析.ts92.86M
第十八章：基于贝叶斯的新闻分类实战
10-10-四则运算.ts28.10M
Pandas
03-3-策略初始化与数据读取.ts34.18M
01-课程内容与大纲介绍.ts51.66M
09-第九模块：深度学习经典算法解析
03-3-目标函数推导.ts29.55M
08-8-规则结果展示.ts32.63M
02-2-数据异常检查.ts65.05M
03-3-训练数据构建.ts17.84M
03-3-线X判别分析求解.ts22.37M
01-7-1-索引结构.ts20.56M
01-15-函数定义.ts29.27M
06-6-词向量特征.ts78.79M
06-6-条形图外观.ts32.36M
03-3-矩阵向量转换.ts35.80M
01-1-Python字符串处理.ts46.65M
第八章：NLP核心模型-word2vec.zip2.15M
04-4-贝叶斯优化效果.ts72.10M
09-9-训练多分类模型.ts53.69M
01-1-任务与解决框架概述.ts69.37M
08-数据特征常用构建方法
05-5-离群点剔除.ts47.30M
05-5-矩阵的秩.ts34.37M
18.Tensorflow自己打造word2vec
高等数学.pdf1.12M
09-9-经典求解思路.ts39.26M
01-1-返向传播计算方法.ts29.33M
01-1-离散型随机变量.ts19.33M
09-9-调参优化细节.ts56.64M
03-3-正则常用符号.ts41.60M
08-聚类算法-Kmeans&Dbscan原理
03-3-Bagging策略效果.ts49.68M
08-8-特征工程.ts70.36M
04-4-交叉验证实验分析.ts73.17M
07-8-特征重要X.ts60.25M
8.贝叶斯优化实战
09-0-课程简介.ts4.60M
10-10-准备测试数据.ts45.91M
01-5-Python数值运算.ts32.70M
17-16-模块与包
06-2-建模流程解读_20190805_232032.ts55.64M
04-4-视觉任务中遇到的问题.ts37.12M
01-1-数据任务介绍及缺失值处理.ts47.01M
04-4-核函数实例.ts27.58M
07-7-开发新变量.ts47.77M
07-7-策略总结与分析.ts28.33M
15-集成算法实验分析
02-2-训练模块功能.ts49.11M
7.贝叶斯优化及其工具包使用
03-3-线X判别分析求解.ts22.37M
06-机器学习-模型解释方法实战
03-贝叶斯新闻分类实战
概率论.pdf2.33M
02-2-支持度与置信度.ts37.12M
Python基础
10-非线X回归.ts55.45M
01-0-开场.ts4.30M
04-4-文本清洗.ts37.48M
09-9-逐层计算.ts43.47M
01-1-任务目标与数据源.ts21.56M
03-3-最大回撤区间.ts39.03M
12-12-感受野的作用.ts19.08M
01-1-回归树模型.ts26.17M
第18章：深度学习时间序列预测.zip14.02M
10-10-完成全部迭代更新模块.ts73.34M
14-6-模型分析.ts102.37M
10-10-行为特征.ts33.79M
02-2-数据与关键词信息展示.ts68.14M
02-2-模型整体框架.ts31.87M
07-7-网络训练模块.ts50.04M
17-支持向量机实验分析
06-6-双变量分析.ts48.10M
03-基于统计分析的电影推荐
04-4-单变量绘图分析.ts29.14M
03-3-关键词云与直方图展示.ts50.69M
02-2-单特征与缺失值展示.ts60.42M
05-逻辑回归实验分析
01-18-文件操作.ts43.48M
04-4-均线调参实例.ts66.67M
04-4-回归任务.ts11.15M
19.制作自己常用工具包
03-3-lightGBM效果.ts84.84M
04-4-条形图.ts30.13M
04-4-回归树模型.ts47.30M
04-4-Z检验实例.ts68.35M
02-2-贝叶斯公式推导.ts22.24M
01-1-任务目标与数据分析..ts36.34M
01-1-词向量模型通俗解释.ts24.40M
23-22-Python练习题-1
03-3-组成与要解决的问题.ts16.74M
18-神经网络算法原理
07-7-网格与随机参数选择.ts41.44M
04-5-深入各个行业分析.ts53.11M
01-1-Ma尔科夫模型.ts19.90M
05-4-2-KMEANS工作流程.ts16.11M
02-2-数据清洗.ts30.85M
07-5-1-DBSCAN聚类算法.ts21.56M
15-学习曲线
12-11-Set结构
06-6-机器学习常用模型分析方法介绍.ts102.37M
09-1-dataleakage问题.ts75.83M
04-4-训练模型与效果展示.ts52.20M
05-5-数据格式转换.ts19.40M
01-1-纽约出租车运行情况数据概述.ts23.31M
05-5-准备训练数据.ts49.51M
13-13-pie图.ts33.43M
06-6-缺失值填充方法.ts41.67M
03-3-基本特征抽取.ts74.70M
04-4-ShapValues指标分析.ts64.22M
03-3-参数对结果的影响分析.ts74.45M
03-3-数组结构.ts60.18M
01-1-Pandas概述.ts52.17M
08-7-隐语义模型求解.ts17.32M
06-5-参数求解.ts35.51M
05-5-数据与特征对结果的影响.ts49.21M
08-1-结果对比分析.ts65.73M
Matplotlib
06-6-Python方差分析实例.ts34.00M
02-2-误差项定义.ts30.49M
07-7-计算机眼中的图像.ts26.11M
01-1-竞赛任务目标.ts26.62M
4.使用lightgbm进行饭店流量预测
04-3-无穷小与无穷大.ts16.75M
01-1-卷积层构造.ts46.99M
06-6-输入数据制作.ts31.42M
06-4-3-KMEANS迭代可视化展示.ts27.23M
13-音乐推荐系统实战
02-2-EDA数据探索分析.ts39.32M
21-机器学习项目实战-建模与分析
03-1双均线交易策略实战
第10章：Ricequant回测选股分析实战
06-6-边缘填充方法.ts19.66M
03-3-人口普查数据集清洗.ts27.23M
08-5-2-DBSCAN工作流程.ts31.14M
04-4-其他处理方式概述.ts87.29M
19-1-半监督学习.ts53.94M
01-1-关联规则概述.ts24.16M
2.GBDT提升算法
18-17-异常处理模块
泰勒公式.pdf777.52kb
11-11-残差网络Resnet.ts20.62M
01-1-Kmenas算法常用操作.ts46.99M
02-2-基于词袋模型训练分类器.ts31.35M
03-3-多项式核函数.ts10.59M
08-7-梯度.ts34.85M
02-2-单特征与缺失值展示.ts60.42M
第七章：NLP常用工具包
01-4-Python简介.ts49.55M
03-3-层次聚类实例.ts60.55M
14.基于统计分析的电影推荐
02-2-隐变量问题.ts11.34M
06-6-参数的影响.ts23.99M
02-2-项目挑战与解决方案制定.ts55.09M
03-3-离群点筛选.ts28.33M
09-9-机器学习模型.ts74.02M
04-4-阶乘的作用.ts17.36M
01-7-2-List基础结构.ts27.73M
8-Kmeans代码实现
29-HMM应用实例
01-1-项目与数据介绍.ts55.40M
08-7-初始化标准差对结果的影响.ts19.05M
09-9-训练与评估.ts69.44M
02-2-熵的大小意味着什么.ts42.29M
12-12-统计分析结果.ts52.80M
统计分析
01-1-数据与任务流程分析.ts48.96M
12-12-构建回归模型.ts68.68M
06-6-指标相关情况分析.ts41.83M
08-8-差异项计算.ts45.01M
04-3-相似度计算.ts18.28M
12-12-正则化的作用.ts38.78M
03-3-组成与要解决的问题.ts16.74M
05-5-单变量展示.ts37.61M
04-4-特征值分解.ts14.34M
04-特征工程建模可解释包
Numpy
01-13-判断结构.ts14.24M
02-2-商品类别划分方式.ts42.07M
1-线X回归原理推导
10-熵与激活函数
04-4-得到特征图表示.ts20.74M
08-8-数据特征构造.ts40.92M
03-3-batch数据制作.mp457.85M
第10章选修：Python数据分析案例实战
05-5-分类决策边界展示分析.ts69.03M
05-5-得出聚类结果.ts39.83M
04-4-似然函数.ts19.04M
第1章第一模块：Python快速入门
07-概率论基础
04-4-亚Ma逊股价趋势.mp463.27M
03-3-KMEANS迭代可视化展示.ts27.23M
09-9-显示设置.ts19.67M
03-3-数据检查.ts32.97M
08-8-回归问题解决.ts20.84M
01-1-音乐推荐任务概述.ts72.88M
02-基于随机森林的气Wen预测实战
05-5-可视化展示.ts54.54M
9.EM算法
02-2-特征工程分析与特征提取.ts93.78M
06-第六模块：机器学习案例实战应用集锦
01-2-Python库安装工具.ts35.18M
08-8-自定义特征.ts25.50M
03-2-推荐系统要完成的任务.ts11.70M
02-2-参数直接求解方法.ts28.78M
第五章：医学糖尿病数据命名实体识别
02-2-数据与关键词信息展示.ts68.14M
08-8-Python工具包介绍.ts52.95M
02-2-深度学习应用领域.ts56.11M
03-3-交叉验证的作用.ts54.09M
05-5-SVD矩阵分解.ts35.13M
03-3-时间特征处理.ts62.07M
02-2-双变量热度图绘制方法.ts52.94M
似然函数.pdf384.36kb
03-3-激活函数.ts15.92M
02-2-Zuo右侧检验与双侧检验.ts55.85M
04-熵值计算.ts45.05M
08-8-数组生成函数.ts43.90M
03-3-软间隔的作用.ts37.29M
02-2-机器学习基础模型对比.ts70.34M
微积分.pdf960.85kb
11-11-时间操作.ts28.19M
11-决策树原理
01-0-课程简介.ts4.60M
04-3-搭建网络模型.ts60.75M
01-1-贝叶斯分析概述.ts32.38M
05-5-关键词的词云可视化展示.ts57.69M
03-2-误差项定义.ts30.49M
03-3-关键词云与直方图可视化展示.ts50.69M
02-2-聚类区域划分.ts49.80M
01-线X回归原理推导
02-1-训练自己的数据集整体流程.ts52.48M
05-5-构造文本向量.ts54.34M
第十六章：基于随机森林的气Wen预测
06-贷款平台风控模型+特征工程
05-5-特征相关X分析.ts58.86M
14-14-练习题-1.ts47.33M
04-4-条件概率小例子.ts17.83M
01-1-朴素贝叶斯算法整体框架.ts20.80M
02-2-图片数据导入.ts42.33M
07-7-盒图绘制.ts20.42M
01-1-hmmlearn工具包.ts22.28M
07-6-梯度下降通俗解释.ts24.30M
02-2-基本随机森林模型建立.ts46.11M
03-1-SVD要解决的问题.ts17.83M
02-2-Pandas基本操作.ts66.31M
06-6-电影数据集题材关联分析.ts62.97M
01-0-keras框架简介与安装.ts16.35M
05-4-似然函数的作用.ts33.60M
09-9-训练逻辑回归模型.ts77.71M
第6章第六模块：Python数据分析与机器学习实战集锦
02-2-基于百分位去极值实例.ts28.76M
07-7-推荐引擎构造.ts56.75M
07-7-回归方程与相关系数实例.ts56.47M
13-相关分析
02-2-处理流程与数据简介.ts62.79M
11-1-如何找到合适的K值_20190805_232026.ts39.23M
09-用电敏感客户分类
04-4-梯度下降模块.ts24.06M
04-4-向量反变换.ts39.44M
06-6-前向算法.ts41.13M
07-新闻关键词抽取模型
02-2-数据清洗与预处理.ts59.32M
02-2-深度学习应用领域.ts56.11M
27-主成分分析降维算法原理解读
05-5-得分函数.ts21.48M
02-工业化生产预测
07-7-软间隔优化.ts41.10M
激活函数.pdf264.40kb
01-1-人口普查预测任务概述.ts64.75M
08-8-统计分析所需数据准备.ts27.52M
15-15-垃圾邮件过滤实例.ts25.58M
08-8-因子收益率简介.ts30.90M
07-7-准备反向传播迭代.ts33.71M
10-10-Python假设检验实例.ts62.29M
03-3-训练数据构建.ts17.84M
07-7-前向传播整体流程.ts44.21M
04-4-TFIDF模型.ts53.24M
12-推荐系统
第一章：Python实战关联规则.zip22.86M
06-京东用户购买意向预测
04-4-区域邻居情况分析.ts70.80M
09-9-假设检验中的两类错误.ts56.62M
12.推荐系统
10-10-VGG网络架构.ts21.86M
03-3-图像特征编码.ts38.32M
13-13-SMOTE样本生成策略.ts32.07M
04-4-斯皮尔曼等级相关.ts61.97M
01-14-循环结构.ts24.35M
22-21-时间操作
05-绝地求生数据集探索分析与建模
03-3-计算机视觉任务.ts20.13M
02-订单数据集分析
07-7-偏相关与复相关.ts42.45M
06-6-前向算法.ts41.13M
01-1-电影数据与环境配置.ts71.07M
06-6-缺失值填充方法.ts41.67M
04-4-实现中文分词.ts40.58M
13.音乐推荐系统实战
19-神经网络代码实现
04-4-PCA降维实例.ts46.92M
03-3-预料表与特征向量构建.ts39.54M
11-11-累积行为特征.ts51.86M
07-7-垃圾邮件过滤实例.ts25.58M
06-6-神经网络过拟合解决方法.ts45.28M
06-6-回归直线拟合优度.ts47.87M
02-2-正则表达式基本语法.ts35.26M
04-4-分类别统计词频.ts37.00M
05-特征值与矩阵分解
第11章：因子数据预处理.zip876.33kb
03-整体框架逻辑.ts23.15M
05-5-用户数据特征分析.ts65.10M
12-12-文件读写.ts32.82M
04-4-特征信息提取.ts92.55M
14-集成算法原理
01-1-数据与任务流程.ts50.76M
08-8-ROC与AUC模型评估标准.ts62.09M
03-3-矩阵基本操作.ts30.59M
09-因子分析实战
01-Python实战关联规则
04-4-TFIDF模型.ts53.24M
商品可视化展示与文本处理.zip213.82M
01-1.1-任务概述.ts42.75M
01-1-实验目标分析.ts24.24M
02-2-隐Ma尔科夫模型基本出发点.ts21.82M
05-5-数值运算1.ts34.41M
05-4调色板颜色设置.ts19.53M
01-1-在线商城商品数据信息概述.ts36.64M
05-5-完成前向传播模块.ts40.72M
03-3-房价随星期变化的可视化展示.ts49.79M
16-支持向量机原理推导
04-4-均匀分布.ts13.11M
03-3-独立同分布的意义.ts27.75M
04-4-单变量绘图分析.ts29.14M
06-数据分析-机器学习模板
04-策略收益与风险评估指标解析
06-6-聚类效果可视化展示.ts81.75M
页:
[1]