你将收获

掌握机器学习进阶算法原理与工作流程

熟练使用Python工具包进行建模任务

掌握必备数学公式推导

熟练进行数据处理与挖掘建模任务

适用人群

人工智能方向的同学们,掌握基础机器学习算法

课程介绍

购买课程后,添加小助手微信(微信号:csdnxy68)回复【唐宇迪】

进入学习群,获取唐宇迪老师答疑

进阶实战课程旨在帮助同学们掌握机器学习进阶算法原理并应用Python工具包进行实战任务,学习过程中建议大家先掌握机器学习经典算法再加入进阶实战课程中。课程整体风格通俗易懂,用最接地气的方式带大家轻松入门机器学习各大高深算法并结合真实数据集进行项目实战。

课程目录

学员评价

5.0
  • 100%
  • 0%
  • 0%
  • 0%
  • 0%

正在加载中...

同学笔记

  • foxli12345 2020-05-03 09:21:51

    来源:回归树模型 查看详情

    DT:决策树

    GB:梯度, Boosting提升一个个小算法串联起来

  • foxli12345 2020-05-02 16:55:49

    来源:时间特征处理 查看详情

    3:将特征数据按照分为数进行切分:(和binning差不多)

    知道当前指标实际的取值范围是多少了(0.25,0.5,0.75,1)

    4、对数变换:

    把数据做对数变换后(对标签做这种变换),偏度值更低了,更接近正态分布.

    COX-BOX类似于对数变换,只是花样更多,目的和对数变换一样

    回忆:

    线性变换时,我们误差项的分布要满足正态分布。

     

  • foxli12345 2020-05-01 21:00:20

    来源:常用特征构造手段 查看详情

    现在预处理——再做特征编码

    1、onehotencoding把离散值当中的属性值进行一个编码。

    2、

    3、binning

    在特征工程中应用广泛:年龄范围这种连续值进行离散化处理。

    PolynomiaFeatures把特征值数据(多项式特征)进行一个高维的映射;

    通过大量尝试-得知什么样的特征变换是最合理的。

     

没有更多了