九天菜菜-机器学习实战

127.Part 3.2.11 时序特征分析方法.mp4  [198.7 MB]
029.Lesson 6.3.1 正则化、过拟合抑制与特征筛选.mp4  [1.1 GB]
144.Part 3.3.0 特征筛选技术介绍.mp4  [138.5 MB]
076.Lesson 13.1.4 实现XGBoost分类：目标函数与评估指标详解.mp4  [275.5 MB]
143.Part 3.2.27 特征衍生流程总结.mp4  [212.5 MB]
225_【WDSM时序案例】04-赛题理解(4)-解读登录数据集-(上).mp4  [114.7 MB]
025.Lesson 5.2 混淆矩阵与F1-Score.mp4  [1.2 GB]
155.Part 3.3.11 feature_importance特征筛选.mp4  [312.4 MB]
170.Part 4.3.3.4 交叉训练与Stacking融合的基本思路.mp4  [109.0 MB]
019.Lesson 4.4.2 随机梯度下降与小批量梯度下降（下）.mp4  [368.6 MB]
254_【WDSM时序案例】32-多变量时序模型(3)-VARMAX模型的代码实现.mp4  [221.5 MB]
153.Part 3.3.9 连续变量之间的互信息计算过程.mp4  [186.1 MB]
184_Part-4.3.10-Blending融合进阶优化策略.mp4  [188.2 MB]
133.Part 3.2.17 NLP特征衍生方法介绍.mp4  [234.4 MB]
121.Part 3.2.5 统计演变特征.mp4  [119.7 MB]
132.Part 3.2.16 词向量化与TF-IDF.mp4  [238.9 MB]
009.Lesson 3.1 变量相关性基础理论.mp4  [395.2 MB]
108.【用户流失】Part 2.10 逻辑回归模型解释与特征系数解读.mp4  [124.7 MB]
022.Lesson 4.6.1 逻辑回归的手动实现方法（上）.mp4  [384.5 MB]
109.【用户流失】Part 2.11 决策树模型训练与优化.mp4  [87.2 MB]
036.Lesson 7.1.1 无监督学习与K-Means基本原理.mp4  [887.9 MB]
116.Part 3.1.6 基于数据探索的合约字段创建与验证.mp4  [45.8 MB]
004.Lesson 1.2 机器学习基本概念与建模流程（下）.mp4  [873.0 MB]
211_【股价项目】04-股票数据的特征含义与业务理解.mp4  [68.9 MB]
020.Lesson 4.5.1 梯度下降优化基础：数据归一化与学习率调度（上）.mp4  [1.1 GB]
060.Lesson 11.1 Boosting的基本思想与基本元素.mp4  [134.0 MB]
248_【WDSM时序案例】26【加餐】ARIMA模型的实现-(2)-平稳性检验与差分运算.mp4  [160.1 MB]
180_Part-4.3.7.2-Stacking元学习器优化流程.mp4  [218.3 MB]
011.Lesson 3.3 线性回归手动实现与模型局限.mp4  [657.9 MB]
112.Part 3.1.2 基于业务的新用户标识字段创建与验证.mp4  [139.2 MB]
219_【股价项目】11-指数加权移动平均.mp4  [68.1 MB]
173.Part 4.3.4.3 决策树&逻辑回归的交叉训练.mp4  [142.6 MB]
242_【WDSM时序案例】21【加餐】时序模型-(8)-ACF与PACF的定义与图像.mp4  [152.8 MB]
058.Lesson 10.7 基于HyperOpt实现TPE优化.mp4  [348.5 MB]
227_【WDSM时序案例】06-赛题理解(6)-解读视频与用户画像信息.mp4  [178.2 MB]
054.Lesson 10.3.2 Halving网格搜索（下）.mp4  [215.1 MB]
078.Lesson 13.2.2 目标函数及其相关参数.mp4  [249.8 MB]
198_【金融案例】11GAME策略在附表中的综合应用.mp4  [291.1 MB]
026.Lesson 5.3 ROC-AUC的计算方法、基本原理与核心特性.mp4  [1.2 GB]
151.Part 3.3.7 离散变量之间的互信息法.mp4  [297.8 MB]
148.Part 3.3.4 卡方检验与特征筛选.mp4  [329.4 MB]
239_【WDSM时序案例】17【加餐】时序模型-(4)-MA模型训练与测试流程.mp4  [167.0 MB]
217_【股价项目】10-窗口统计特征.mp4  [91.5 MB]
001.Lesson 0.1 前言与导学（上）.mp4  [159.2 MB]
251_【WDSM时序案例】28【加餐】ARIMA模型的实现-(4)-解读ARIMA的Sum表单.mp4  [240.8 MB]
098.Part 1.6 数据探索性分析与可视化呈现.mp4  [94.1 MB]
122.Part 3.2.6 多变量交叉组合特征衍生.mp4  [154.7 MB]
136.Part 3.2.20 分组统计高阶函数编写.mp4  [248.8 MB]
032.Lesson 6.5.1 机器学习调参基础理论.mp4  [367.8 MB]
150.Part 3.3.6 线性相关性的F检验.mp4  [65.4 MB]
186_Part-4.3.11.2-回归类集成算法优化策略（下）.mp4  [98.9 MB]
224_【WDSM时序案例】03-赛题理解(3)-解读测试数据集.mp4  [108.4 MB]
087.Lesson 13.4.3 求解XGBoost的损失函数.mp4  [140.5 MB]
053.Lesson 10.3.1 Halving网格搜索（上）.mp4  [284.7 MB]
041.Lesson 8.2.2 sklearn中CART分类树的参数详解.mp4  [567.8 MB]
208_【股价项目】01认识量化交易和股票收益预测.mp4  [90.1 MB]
231_【WDSM时序案例】09-理解时序预测(2)-时间序列的训练与预测（上）.mp4  [120.6 MB]
187_Part-4.3.12.1-回归问题的加权平均融合方法实践.mp4  [281.4 MB]
165.Part 4.3.2.1 投票法与均值法.mp4  [223.4 MB]
243_【WDSM时序案例】20【加餐】时序模型-(7)-ARIMA模型的平稳性要求.mp4  [111.3 MB]
093.Part 1.1 业务背景与Kaggle平台使用方法介绍.mp4  [208.4 MB]
021.Lesson 4.5.2 梯度下降优化基础：数据归一化与学习率调度（下）.mp4  [796.3 MB]
247_【WDSM时序案例】25【加餐】ARIMA模型的实现-(1)-ARIMA经典假设与建模流程.mp4  [116.9 MB]
055.Lesson 10.4 贝叶斯优化的基本流程.mp4  [413.2 MB]
100.Part 2.2 数据重编码：OneHotEncoder过程.mp4  [138.6 MB]
255_【WDSM时序案例】34-机器学习中的时间序列(2)-Pmdarima实现滚动交叉验证.mp4  [193.4 MB]
042.Lesson 8.3【加餐】ID3和C4.5的基本原理介绍.mp4  [516.5 MB]
016.Lesson 4.3.1 梯度下降基本原理与手动实现（上）.mp4  [858.2 MB]
067.Lesson 12.4 弱评估器结构参数：弗里德曼均方误差.mp4  [278.2 MB]
080.Lesson 13.2.4 弱评估器的分枝：结构分数与结构分数增益.mp4  [191.5 MB]
046.Lesson 9.3 随机森林回归器的参数.mp4  [387.3 MB]
120.Part 3.2.4 多项式特征衍生.mp4  [111.5 MB]
101.Part 2.3 转化器流水线：ColumnTransformer过程.mp4  [128.1 MB]
210_【股价项目】03-kaggle三大经典比赛形式.mp4  [98.2 MB]
083.Lesson 13.3.1 XGBoost的参数空间.mp4  [295.4 MB]
185_Part-4.3.11.1-回归类集成算法优化策略（上）.mp4  [468.2 MB]
008.Lesson 3.0 线性回归的手动实现.mp4  [53.6 MB]
092.Lesson 14.2.3 LightGBM直方图优化算法.mp4  [102.9 MB]
204_【金融案例】17-Leaking-Usage：重复申请人漏洞.mp4  [88.7 MB]
196_【金融案例】08-Leaking-proof式目标编码.mp4  [176.4 MB]
075.Lesson 13.1.3 实现XGBoost回归：xgb原生代码详解.mp4  [202.7 MB]
178_Part-4.3.6.2-Stacking优化方法初阶.mp4  [287.7 MB]
047.Lesson 9.4 集成算法的参数空间与网格优化.mp4  [411.7 MB]
193_【金融案例】05海量数据处理入门.mp4  [129.4 MB]
149.Part 3.3.5 方差分析与特征筛选.mp4  [231.8 MB]
089.Lesson 14.1.2 LightGBM EFB互斥特征捆绑策略.mp4  [200.8 MB]
007.Lesson 2.3 矩阵运算基础、矩阵求导与最小二乘法（三）.mp4  [471.4 MB]
140.Part 3.2.24 特征衍生实战-2.mp4  [366.8 MB]
062.Lesson 11.3 AdaBoost的参数（下）：实践算法与损失函数.mp4  [264.5 MB]
079.Lesson 13.2.3 三种弱评估器与DART树详解.mp4  [299.0 MB]
139.Part 3.2.23特征衍生实战-1.mp4  [332.1 MB]
166.Part 4.3.2.2 阈值移动的TPE搜索与交叉验证.mp4  [286.9 MB]
118.Part 3.2.2 四则运算衍生与分组交叉衍生.mp4  [162.3 MB]
048.Lesson 9.5 随机森林在巨量数据上的增量学习.mp4  [351.5 MB]
229_【WDSM时序案例】08-理解时序预测(1)-单变量vs多变量时间序列.mp4  [118.6 MB]
061.Lesson 11.2 AdaBoost的参数（上）：弱评估器与学习率.mp4  [219.2 MB]
104.Part 2.6 连续变量分箱：目标编码与有监督分箱.mp4  [104.7 MB]
146.Part 3.3.2 评分函数与特征筛选评估器.mp4  [216.8 MB]
234_【WDSM时序案例】11-理解时序预测(4)-2大关键预测类型与前沿时序领域.mp4  [142.4 MB]
223_【WDSM时序案例】02-赛题理解(2)-标签理解：用户留存分.mp4  [131.1 MB]