课程目录
1-1 [信息熵与手写决策树] 课程介绍与资源下载 (08:37)
1-2 [信息熵与手写决策树] 什么是信息熵 (21:55)
1-3 [信息熵与手写决策树] 决策树极简案例 (20:45)
1-4 [信息熵与手写决策树] numpy手写决策树_上 (14:38)
1-5 [信息熵与手写决策树] numpy手写决策树_下 (20:55)
2-1 [决策树构建反欺诈模型] 数据获取与业务分析 (11:56)
2-2 [决策树构建反欺诈模型] 特征筛选与数据采样 (16:29)
2-3 [决策树构建反欺诈模型] 决策树模型训练 (14:20)
2-4 [决策树构建反欺诈模型] 参数调优与网格搜索 (16:24)
2-5 [决策树构建反欺诈模型] 召回率与最优阈值 (22:56)
3-1 [集成学习与随机森林] Voting集成学习 (15:58)
3-2 [集成学习与随机森林] Bagging集成学习 (17:16)
3-3 [集成学习与随机森林] 集成学习综合案例 (19:06)
3-4 [集成学习与随机森林] 集成学习与网格搜索 (15:56)
4-1 [Boosting与神经网络初探] Boosting之AdaBoost (12:58)
4-2 [Boosting与神经网络初探] GBDT Boosting (09:07)
4-3 [Boosting与神经网络初探] 深度学习初探 (15:56)
4-4 [Boosting与神经网络初探] 课程总复习和下季剧透 (09:28)
