第六章（5）：调参的可视化
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
第六章（1）：交叉验证
...
第六章（4）：调参的python实现
...
第六章（3）：调参的理论
...
第六章（2）：分类数据的交叉验证的注意事项
...
第六章（2）：数据合并函数concat（）
...
第一章：(1)数量预测之线性回归
...
第一章：(2).数量预测之随机森林
...
第六章（4）：数据合并函数join（）
...
第六章（1）：数据合并函数append（）
...
第一章（5）：python中的变量
...
第七章（1）：算法链Pipeline()
...
第一章（16）：函数
...
第一章（9）：字符串
...
第五章(3)：分箱，提高线性模型的预测效果
...
第五章(6)：Boston数据分析结果的可视化
...
第五章（2）：将数值型变量变为分类型变量
...
第一章：(3).回归模型和随机森林的对比
...
第二章：(1).分类变量的0-1编码
...
第五章（3）：将分类变量变为哑变量
...
第五章(5)：用岭回归分析boston数据
...
第二章（10）：三维图像的画法
...
第三章(3)：ROC曲线
...
第三章(5)附录，不平衡数据credit的分析
...
第二章（2）：numpy模块初步介绍
...
第五章(1)：特征工程简介
...
第五章(2)：线性模型和决策树的对比
...
第五章(4)：线性回归的升级，再升级
...
第一章（12）：分支结构
...
第一章（7）：列表（下）
...
第三章（2）：序列Series中的函数
...
第二章（1）：新模块的学习方法
...
第三章（1）：序列Series的定义
...
第二章（4）：二维array数组
...
第一章（4）：python的学习方法，我们用的教材
...
第三章（6）：算数运算和数据对齐
...
第一章（17）：类
...
第三章(4)：随机森林和SVC的ROC曲线
...
第一章（18）：异常的处理，以及zip函数
...
第三章（3）：pandas：数据框的定义
...
第七章（2）：Pipeline()和GridSearchCV()配合使用