Content
18 Lessons • 0 Quizzes • 0 Challenges
课程介绍
- 1
关于本课程
线性回归
- 1
线性回归入门
- 2
欢迎与数据概览
- 3
探索性数据分析
- 4
方差与协方差
- 5
机器学习
- 6
模型评估
- 7
模型可解释性
- 8
模型的最终确定与序列化
- 9
Notebook 中的模型部署
- 10
交叉验证
- 11
摘要
- 12
练习：建模波士顿房价数据集
- 13
解决方案：建模波士顿房价数据集
- 14
练习：建模金县房屋销售数据集
- 15
解决方案：建模金县房屋销售数据集
- 16
测验：线性回归
多分类与不平衡类别处理
- 1
多类别逻辑回归分类简介
- 2
不平衡数据集及其处理技术
- 3
机器学习与不平衡数据
- 4
训练模型在未见数据上的表现
- 5
摘要
- 6
测验：多分类与不平衡类别处理
正则化
- 1
正则化简介
- 2
惩罚
- 3
正则化的影响
- 4
模型性能
- 5
摘要
- 6
测验：正则化
项目实战：慢性肾病预测
- 1
问题定义与数据
- 2
探索性数据分析
- 3
数据预处理
- 4
模型训练与评估
偏差-方差权衡
- 1
简介与数据生成
- 2
情绪函数与模型误差
- 3
生成学生样本并绘图
- 4
模型构建以预测士气
- 5
偏差-方差权衡
- 6
摘要
- 7
测验：偏差-方差权衡
K-近邻算法
- 1
K-最近邻算法入门
- 2
K-最近邻的工作原理
- 3
可视化 K-近邻算法的工作原理
- 4
最后的思考
- 5
测验：K-最近邻
分类特征
- 1
定量数据与定性数据以及创建虚拟变量
- 2
冗余变量与机器学习
- 3
摘要
- 4
练习：建模汽车燃油效率数据集
- 5
解决方案：建模汽车燃油效率数据集
- 6
测验：分类特征
K-最近邻算法的实现
- 1
数据集与探索性数据分析
- 2
使用未缩放数据进行模型训练
- 3
特征缩放的影响
- 4
使用缩放特征进行模型训练
- 5
使用肘部法选择 K 值
- 6
模型对比
- 7
测验：K-最近邻的实现
逻辑回归
- 1
Logistic 回归简介
- 2
概率与几率
- 3
理解逻辑回归
- 4
逻辑回归实现
- 5
模型评估
- 6
摘要
- 7
测验：逻辑回归
Logistic Regression vs. KNN
- 1
数据集与探索性数据分析
- 2
基础准确率与机器学习模型选择
- 3
练习：找到参数的最佳组合
- 4
解决方案：找到最佳的参数组合
- 5
练习：找到 K 的最佳值
- 6
解决方案：找到 K 的最佳取值
逻辑回归：泰坦尼克号数据
- 1
数据集与探索性数据分析
- 2
数据预处理
- 3
准备数据并构建机器学习模型
- 4
预测与评估
- 5
模型评估
- 6
特征重要性与模型可解释性
- 7
摘要
- 8
练习：不使用 Pclass 虚拟变量重新训练模型
- 9
解决方案：不使用 Pclass 虚拟变量重新训练模型
- 10
测验：逻辑回归——泰坦尼克号数据
决策树学习
- 1
决策树入门
- 2
Bootstrap, Bagging, 和 Random Forests
- 3
数据集与探索性数据分析
- 4
机器学习
- 5
特征重要性
- 6
超参数及其调优
- 7
ROC Curve
- 8
概率阈值实验
- 9
树可视化
- 10
练习：使用基尼系数训练决策树模型
- 11
解决方案：使用基尼系数训练决策树模型
- 12
练习：使用熵准则训练随机森林模型
- 13
解决方案：使用熵准则训练随机森林模型
- 14
测验：决策树学习
Bootstrapping 和置信区间
- 1
Bootstrap 与置信区间简介
- 2
数据
- 3
均值的置信区间
- 4
中位数的置信区间
- 5
测验：自助法与置信区间
支持向量机
- 1
支持向量机简介
- 2
可视化支持向量机的工作原理
- 3
数据集与探索性数据分析
- 4
特征选择
- 5
机器学习
- 6
Grid Search
- 7
特征缩放
- 8
ROC 曲线与模型保存
- 9
测验：支持向量机
练习与对比
- 1
MNIST：手写数字数据集
- 2
Iris 数据集
- 3
Circles 数据集
接下来是什么？
- 1
最后的思考与未来方向
附录
- 1
R 平方与拟合优度
Certificate of Completion
Showcase your accomplishment by sharing your certificate of completion.
Course Author:Anonymous User