Index of /【已完结】零基础实战机器学习/
../
【001】开篇词|开发者为什么要从实战出发学机器学习?.html 17-Aug-2025 18:11 37092
【002】01|打好基础:到底什么是机器学习?.html 17-Aug-2025 18:11 44647
【003】02|工具准备:安装并使用Jupyter Notebook.html 17-Aug-2025 18:11 43065
【004】03|实战5步(上):怎么定义问题和预处理数据?.html 17-Aug-2025 18:11 51831
【005】04| 实战5步(下):怎么建立估计10万+软文点击率的模型?.html 17-Aug-2025 18:11 52728
【006】05 数据探索:怎样从数据中找到用户的RFM值?.html 17-Aug-2025 18:11 47066
【007】06 聚类分析:如何用RFM给电商用户做价值分组画像?.html 17-Aug-2025 18:12 52376
【008】07|回归分析:怎样用模型预测用户的生命周期价值?.html 17-Aug-2025 18:12 56915
【009】08 模型优化(上):怎么用特征工程提高模型效率?.html 17-Aug-2025 18:12 56463
【010】09|模型优化(中):防止过拟合,模型也不能太精细.html 17-Aug-2025 18:12 32839
【011】10|模型优化(下):交叉验证,同时寻找最优的参数.html 17-Aug-2025 18:12 41973
【012】11|深度学习(上):用CNN带你认识深度学习.html 17-Aug-2025 18:12 51773
【013】12|深度学习(中):如何用RNN预测激活率走势?.html 17-Aug-2025 18:12 35555
【014】13|深度学习(下):3招提升神经网络预测准确率.html 17-Aug-2025 18:12 32135
【015】14|留存分析:哪些因素会影响用户的留存率?.html 17-Aug-2025 18:12 33751
【016】15|二元分类:怎么预测用户是否流失?从逻辑回归到深度学习.html 17-Aug-2025 18:12 35390
【017】16|性能评估:不平衡数据集应该使用何种评估指标?.html 17-Aug-2025 18:12 32472
【018】17|集成学习:机器学习模型如何“博采众长”.html 17-Aug-2025 18:12 34893
【019】18 增长模型:用XGBoost评估裂变海报的最佳受众群体.html 17-Aug-2025 18:12 32782
【020】19 胸有成竹:如何快速定位合适的机器学习算法?.html 17-Aug-2025 18:12 26316
【021】20 模型部署:怎么发布训练好的机器学习模型?.html 17-Aug-2025 18:12 29263
【022】21|持续精进:如何在机器学习领域中找准前进的方向?.html 17-Aug-2025 18:12 34487
【023】一套习题,测出你对机器学习的掌握程度.html 17-Aug-2025 18:13 3285
【024】结束语 可以不完美,但重要的是马上开始.html 17-Aug-2025 18:13 22068