V
主页
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