机器学习实战集锦（博士）

体系课

2 人浏览发布 2026-06-09更新 2026-06-09

帮助同学们学习机器学习与深度学习核心工具包使用方法并熟练应用到实际任务中。

* 01 Python实战关联规则/

* 01 1-1关联规则概述

* 02 1-2支持度与置信度

* 03 1-3提升度的作用

* 04 1-4Python实战关联规则

* 05 1-5数据集制作

* 06 1-6电影数据集题材关联分析

* 02 快手短视频用户活跃度分析/

* 01 2-1任务目标与数据分析

* 02 2-2整体模型架构

* 03 2-3构建用户特征序列

* 04 2-4序列特征提取方法

* 05 2-5生成特征汇总表

* 06 2-6标签制作

* 07 2-7网络训练模块

* 08 2-8得出最终模型结果

* 03 工业化工生产预测/

* 01 3-1数据任务概述

* 02 3-2数据异常检查

* 03 3-3时间特征提取

* 04 3-4各道工序特征构建

* 05 3-5准备训练数据

* 06 3-6训练xgboost模型

* 04 智慧城市-道路通行时间预测/

* 01 4-1数据与任务目标分析

* 02 4-2数据清洗与标签转换

* 03 4-3道路通行时间序列数据生成

* 04 4-4序列缺失补全方法

* 05 4-5基于回归与插值完成序列特征

* 06 4-6基于回归与插值进行序列补全

* 07 4-7特征汇总

* 08 4-8建立回归模型进行预测

* 05 医学糖尿病数据命名实体识别/

* 01 5-1数据与任务介绍

* 02 5-2整体模型架构

* 03 5-3数据-标签-语料库处理

* 04 5-4输入样本填充补齐

* 05 5-5训练网络模型

* 06 5-6医疗数据集（糖尿病）实体识别

* 06 贷款平台风控模型-特征工程/

* 01 6-1竞赛任务目标

* 02 6-2图模型信息提取

* 03 6-3节点权重特征提取(PageRank)

* 04 6-4deepwalk构建图顶点特征

* 05 6-5各项统计特征

* 06 6-6app安装特征

* 07 6-7图中联系人特征

* 07 新闻关键词抽取模型/

* 01 7-1任务目标与数据集介绍

* 02 7-2数据清洗与预处理

* 03 7-3基本特征抽取

* 04 7-4文章与词向量分析

* 05 7-5权重划分

* 06 7-6候选词统计特征

* 07 7-7textrank特征提取

* 08 7-8候选词相似度特征

* 09 7-9特征工程汇总

* 08 商品销售额回归分析/

* 01 8-1数据任务分析

* 02 8-2特征工程制作

* 03 8-3统计指标生成

* 04 8-4特征信息提取

* 05 8-5标签变换

* 06 8-6输入数据制作

* 07 8-7Xgboost训练模型

* 08 生成输出结果

* 09 机器学习-模型解释方法实战/

* 01 9-1模型解释方法与实践

* 02 9-2部分依赖图解释

* 03 9-3双变量分析

* 04 9-4ShapValues指标分析

* 05 9-5疾病引起原因分析实战

* 10 自然语言处理必备工具包实战/

* 01 10-1Python字符串处理

* 02 10-2正则表达式基本语法

* 03 10-3正则常用符号

* 04 10-4常用函数介绍

* 05 10-5NLTK工具包简介

* 06 10-6停用词过滤

* 07 10-7词性标注

* 08 10-8数据清洗实例

* 09 10-9Spacy工具包

* 10 10-10名字实体匹配

* 11 10-11恐怖袭击分析

* 12 10-12统计分析结果

* 13 10-13结巴分词器

* 14 10-14词云展示

* 15 10-14词云展示

* 11 NLP核心模型-word2vec/

* 01 11-1词向量模型通俗解释

* 02 10-8数据清洗实例

* 03 11-2模型整体框架

* 04 11-3训练数据构建

* 05 11-4CBOW与Skip-gram模型

* 06 11-5负采样方案

* 12 图像特征聚类分析实践/

* 01 12-1数据与任务流程分析

* 02 12-2图片数据导入

* 03 12-3图像特征编码

* 04 12-4数组保存与读取

* 05 12-5得出聚类结果

* 06 12-6聚类效果可视化展示

* 13 银行客户还款可能性预测/

* 01 13-1数据任务介绍及缺失值处理

* 02 13-2EDA数据探索分析

* 03 13-3特征展示分析

* 04 13-4KDEPLOT展示

* 05 13-5部分特征分析与可视化

* 06 13-6数据检查与特征工程

* 07 13-7多项式特征

* 08 13-8自定义特征0

* 09 13-9逻辑回归模型

* 10 13-10结果评估

* 11 13-11算法对比选择

* 12 13-12必杀神奇：lightgbm

* 14 结课测试/

* 01 结课测试

机器学习实战集锦（博士）

体系课

2 人浏览发布 2026-06-09更新 2026-06-09

帮助同学们学习机器学习与深度学习核心工具包使用方法并熟练应用到实际任务中。

* 01 Python实战关联规则/

* 01 1-1关联规则概述

* 02 1-2支持度与置信度

* 03 1-3提升度的作用

* 04 1-4Python实战关联规则

* 05 1-5数据集制作

* 06 1-6电影数据集题材关联分析

* 02 快手短视频用户活跃度分析/

* 01 2-1任务目标与数据分析

* 02 2-2整体模型架构

* 03 2-3构建用户特征序列

* 04 2-4序列特征提取方法

* 05 2-5生成特征汇总表

* 06 2-6标签制作

* 07 2-7网络训练模块

* 08 2-8得出最终模型结果

* 03 工业化工生产预测/

* 01 3-1数据任务概述

* 02 3-2数据异常检查

* 03 3-3时间特征提取

* 04 3-4各道工序特征构建

* 05 3-5准备训练数据

* 06 3-6训练xgboost模型

* 04 智慧城市-道路通行时间预测/

* 01 4-1数据与任务目标分析

* 02 4-2数据清洗与标签转换

* 03 4-3道路通行时间序列数据生成

* 04 4-4序列缺失补全方法

* 05 4-5基于回归与插值完成序列特征

* 06 4-6基于回归与插值进行序列补全

* 07 4-7特征汇总

* 08 4-8建立回归模型进行预测

* 05 医学糖尿病数据命名实体识别/

* 01 5-1数据与任务介绍

* 02 5-2整体模型架构

* 03 5-3数据-标签-语料库处理

* 04 5-4输入样本填充补齐

* 05 5-5训练网络模型

* 06 5-6医疗数据集（糖尿病）实体识别

* 06 贷款平台风控模型-特征工程/

* 01 6-1竞赛任务目标

* 02 6-2图模型信息提取

* 03 6-3节点权重特征提取(PageRank)

* 04 6-4deepwalk构建图顶点特征

* 05 6-5各项统计特征

* 06 6-6app安装特征

* 07 6-7图中联系人特征

* 07 新闻关键词抽取模型/

* 01 7-1任务目标与数据集介绍

* 02 7-2数据清洗与预处理

* 03 7-3基本特征抽取

* 04 7-4文章与词向量分析

* 05 7-5权重划分

* 06 7-6候选词统计特征

* 07 7-7textrank特征提取

* 08 7-8候选词相似度特征

* 09 7-9特征工程汇总

* 08 商品销售额回归分析/

* 01 8-1数据任务分析

* 02 8-2特征工程制作

* 03 8-3统计指标生成

* 04 8-4特征信息提取

* 05 8-5标签变换

* 06 8-6输入数据制作

* 07 8-7Xgboost训练模型

* 08 生成输出结果

* 09 机器学习-模型解释方法实战/

* 01 9-1模型解释方法与实践

* 02 9-2部分依赖图解释

* 03 9-3双变量分析

* 04 9-4ShapValues指标分析

* 05 9-5疾病引起原因分析实战

* 10 自然语言处理必备工具包实战/

* 01 10-1Python字符串处理

* 02 10-2正则表达式基本语法

* 03 10-3正则常用符号

* 04 10-4常用函数介绍

* 05 10-5NLTK工具包简介

* 06 10-6停用词过滤

* 07 10-7词性标注

* 08 10-8数据清洗实例

* 09 10-9Spacy工具包

* 10 10-10名字实体匹配

* 11 10-11恐怖袭击分析

* 12 10-12统计分析结果

* 13 10-13结巴分词器

* 14 10-14词云展示

* 15 10-14词云展示

* 11 NLP核心模型-word2vec/

* 01 11-1词向量模型通俗解释

* 02 10-8数据清洗实例

* 03 11-2模型整体框架

* 04 11-3训练数据构建

* 05 11-4CBOW与Skip-gram模型

* 06 11-5负采样方案

* 12 图像特征聚类分析实践/

* 01 12-1数据与任务流程分析

* 02 12-2图片数据导入

* 03 12-3图像特征编码

* 04 12-4数组保存与读取

* 05 12-5得出聚类结果

* 06 12-6聚类效果可视化展示

* 13 银行客户还款可能性预测/

* 01 13-1数据任务介绍及缺失值处理

* 02 13-2EDA数据探索分析

* 03 13-3特征展示分析

* 04 13-4KDEPLOT展示

* 05 13-5部分特征分析与可视化

* 06 13-6数据检查与特征工程

* 07 13-7多项式特征

* 08 13-8自定义特征0

* 09 13-9逻辑回归模型

* 10 13-10结果评估

* 11 13-11算法对比选择

* 12 13-12必杀神奇：lightgbm

* 14 结课测试/

* 01 结课测试