【7222XEa121】【秋季班】机器学习实战_258
课程目录：
001.LESSON 0 前言与导学（上）_ev.mp4 (78.86MB)
002.LESSON 0 前言与导学（下）_ev.mp4 (96.47MB)
003.LESSON 1 机器学习基本概念与建模流程（上）_ev.mp4 (93.18MB)
004.LESSON 1 机器学习基本概念与建模流程（下）_ev.mp4 (123.28MB)
005.LESSON 2.1 矩阵运算基础、矩阵求导与最小二乘法（一）_ev.mp4 (65.82MB)
006.LESSON 2.2 矩阵运算基础、矩阵求导与最小二乘法（二）_ev.mp4 (147.7MB)
007.LESSON 2.3 矩阵运算基础、矩阵求导与最小二乘法（三）_ev.mp4 (62.87MB)
008.LESSON 3.0 线性回归的手动实现_ev.mp4 (13.75MB)
009.LESSON 3.1 变量相关性基础理论_ev.mp4 (71.71MB)
010.LESSON 3.2 数据生成器与Python模块编写_ev.mp4 (92.83MB)
011.LESSON 3.3 线性回归手动实现与模型局限_ev.mp4 (105.18MB)
012.LESSON 3.4 机器学习模型可信度理论与交叉验证基础_ev.mp4 (109.09MB)
013.LESSON 4.1 逻辑回归模型构建与多分类学习方法（上）_ev.mp4 (131.59MB)
014.LESSON 4.1 逻辑回归模型构建与多分类学习方法（下）_ev.mp4 (86.09MB)
015.LESSON 4.2 逻辑回归参数估计_ev.mp4 (143.36MB)
016.LESSON 4.3 梯度下降基本原理与手动实现（上）_ev.mp4 (150.94MB)
017.LESSON 4.3 梯度下降基本原理与手动实现（下）_ev.mp4 (107.48MB)
018.LESSON 4.4 随机梯度下降与小批量梯度下降（上）_ev.mp4 (184.11MB)
019.LESSON 4.4 随机梯度下降与小批量梯度下降（下）_ev.mp4 (57.2MB)
020.LESSON 4.5 梯度下降优化基础：数据归一化与学习率调度（上）_ev.mp4 (185.31MB)
021.LESSON 4.5 梯度下降优化基础：数据归一化与学习率调度（下）_ev.mp4 (129.46MB)
022.LESSON 4.6 逻辑回归的手动实现方法（上）_ev.mp4 (65.04MB)
023.LESSON 4.6 逻辑回归的手动实现方法（下）_ev.mp4 (129.76MB)
024.LESSON 5.1 分类模型决策边界_ev.mp4 (112.92MB)
025.LESSON 5.2 混淆矩阵与F1-Score_ev.mp4 (181.27MB)
026.LESSON 5.3 ROC-AUC的计算方法、基本原理与核心特性_ev.mp4 (196.66MB)
027.LESSON 6.1 Scikit-Learn快速入门_ev.mp4 (193.83MB)
028.LESSON 6.2 Scikit-Learn常用方法速通_ev.mp4 (157.46MB)
029.LESSON 6.3 （上）正则化、过拟合抑制与特征筛选_ev.mp4 (200.33MB)
030.LESSON 6.3（下） Scikit-Learn逻辑回归参数详解_ev.mp4 (103.93MB)
031.LESSON 6.4 机器学习调参入门_ev.mp4 (164.76MB)
032.LESSON 6.5（上）机器学习调参基础理论_ev.mp4 (59.91MB)
033.LESSON 6.5（下）Scikit-Learn中网格搜索参数详解_ev.mp4 (115.23MB)
034.LESSON 6.6.1 多分类评估指标的macro与weighted过程_ev.mp4 (84.92MB)
035.LESSON 6.6.2 GridSearchCV的进阶使用方法_ev.mp4 (93.07MB)
036.LESSON 7.1（上）无监督学习与K-Means基本原理_ev.mp4 (144.55MB)
037.LESSON 7.1（下）K-Means聚类的Scikit-Learn实现_ev.mp4 (70.75MB)
038.LESSON 7.2 Mini Batch K-Means与DBSCAN聚类_ev.mp4 (97.69MB)
039.LESSON 8.1 决策树模型的核心思想与建模流程_ev.mp4 (158.98MB)
040.LESSON 8.2（上）CART分类树的建模流程_ev.mp4 (140.78MB)
041.LESSON 8.2（下）sklearn中CART分类树的参数详解_ev.mp4 (111.77MB)
042.LESSON 8.3【加餐】ID3和C4.5的基本原理介绍_ev.mp4 (82.4MB)
043.LESSON 8.4 CART回归树的建模流程与sklearn中评估器参数解释_ev.mp4 (118.48MB)
044.LESSON 9.1 集成算法开篇：Bagging方法的基本思想_ev.mp4 (83.83MB)
045.LESSON 9.2 随机森林回归器的实现_ev.mp4 (76.43MB)
046.LESSON 9.3 随机森林回归器的参数_ev.mp4 (145.83MB)
047.LESSON 9.4 集成算法的参数空间与网格优化_ev.mp4 (161.94MB)
048.LESSON 9.5 随机森林在巨量数据上的增量学习_ev.mp4 (133.31MB)
049.LESSON 9.6 Bagging及随机森林6大面试热点问题_ev.mp4 (133.61MB)
050.LESSON 10.1 开篇：超参数优化与枚举网格搜索的理论极限_ev.mp4 (74.15MB)
051.LESSON 10.2 随机网格搜索（上）_ev.mp4 (154.94MB)
052.LESSON 10.2 随机网格搜索（下）_ev.mp4 (94.84MB)
053.LESSON 10.3 Halving网格搜索（上）_ev.mp4 (104.98MB)
054.LESSON 10.3 Halving网格搜索（下）_ev.mp4 (81.35MB)
055.LESSON 10.4 贝叶斯优化的基本流程_ev.mp4 (153.37MB)
056.LESSON 10.5 BayesOpt vs HyperOpt vs Optuna_ev.mp4 (39.65MB)
057.LESSON 10.6 基于BayesOpt实现高斯过程gp优化_ev.mp4 (142.44MB)
058.LESSON 10.7 基于HyperOpt实现TPE优化_ev.mp4 (141.59MB)
059.LESSON 10.8 基于Optuna实现多种优化_ev.mp4 (118.79MB)
060.LESSON 11.1 Boosting的基本思想与基本元素_ev.mp4 (46.85MB)
061.LESSON 11.2 AdaBoost的参数（上）：弱评估器与学习率_ev.mp4 (79.67MB)
062.LESSON 11.3 AdaBoost的参数（下）：实践算法与损失函数_ev.mp4 (98.31MB)
063.LESSON 11.4 原理进阶：AdaBoost算法流程详解_ev.mp4 (103.66MB)
064.LESSON 12.1 梯度提升树的基本思想与实现_ev.mp4 (127.61MB)
065.LESSON12.2 迭代过程中的参数(1)：GBDT的初始化与多分类_ev.mp4 (118.62MB)
066.LESSON12.3 迭代过程中的参数(2)：GBDT的8种损失函数_ev.mp4 (89.93MB)
067.LESSON12.4 弱评估器结构参数：弗里德曼均方误差_ev.mp4 (96.51MB)
068.LESSON12.5 梯度提升树的提前停止_ev.mp4 (87.26MB)
069.LESSON12.6 袋外数据与其他参数_ev.mp4 (74.77MB)
070.LESSON12.7 梯度提升树的参数空间与TPE优化_ev.mp4 (169.67MB)
071.LESSON12.8 原理进阶 (1)：GBDT数学流程与残差概念辨析_ev.mp4 (113.69MB)
072.LESSON12.9 原理进阶 (2)：拟合伪残差的数学意义与数学证明_ev.mp4 (113.22MB)
073.LESSON13.1.1 XGBoost的基本思想_ev.mp4 (83.01MB)
074.LESSON13.1.2 实现XGBoost回归：sklearnAPI详解_ev.mp4 (67.77MB)
075.LESSON13.1.3 实现XGBoost回归：xgb原生代码详解_ev.mp4 (74.53MB)
076.LESSON13.1.4 实现XGBoost分类：目标函数与评估指标详解_ev.mp4 (98.21MB)
077.LESSON13.2.1 基本迭代过程中的参数群_ev.mp4 (56.9MB)
078.LESSON13.2.2 目标函数及其相关参数_ev.mp4 (84.28MB)
079.LESSON13.2.3 三种弱评估器与DART树详解_ev.mp4 (106.1MB)
080.LESSON13.2.4 弱评估器的分枝：结构分数与结构分数增益_ev.mp4 (68.74MB)
081.LESSON13.2.5 控制复杂度：弱评估器的剪枝与训练数据_ev.mp4 (89.53MB)
082.LESSON13.2.6 XGBoost中的必要功能性参数_ev.mp4 (33.81MB)
083.LESSON 13.3.1 XGBoost的参数空间_ev.mp4 (108.89MB)
084.LESSON 13.3.2 XGBoost基于TPE的调参_ev.mp4 (82.37MB)
085.LESSON 13.4.1 XGBoost的基本数学流程_ev.mp4 (83.56MB)
086.LESSON 13.4.2 化简XGBoost的目标函数_ev.mp4 (66.98MB)
087.LESSON 13.4.3 求解XGBoost的损失函数_ev.mp4 (53.3MB)
088--Lsson14-1-1LghtGBM入门与原理框架介绍.mp4 (224.71MB)
088--Lsson14-1-2LghtGBMEFB互斥特征捆绑策略.mp4 (200.82MB)
088--Lsson14-2-1LghtGBM基于梯度的单边采样方法GOSS.mp4 (246.5MB)
088--Lsson14-2-2LghtGBM分裂增益计算过程与叶节点优先生长策略.mp4 (228.39MB)
088--Lsson14-2-3LghtGBM直方图优化算法.mp4 (102.87MB)
088.【特征工程】Part 1.1 业务背景与Kaggle平台使用方法介绍_ev.mp4 (83.15MB)
089.【特征工程】Par 1.2 数据字段解释与数据质量检验_ev.mp4 (44.03MB)
090.【特征工程】Par 1.3 字段类型转化与缺失值填补_ev.mp4 (99.33MB)
091.【特征工程】Par 1.4 异常值检测_ev.mp4 (31.98MB)
092.【特征工程】Par 1.5 相关性分析_ev.mp4 (51.67MB)
093.【特征工程】Par 1.6 数据探索性分析与可视化呈现_ev.mp4 (45.55MB)
094.【特征工程】Par 2.1数据重编码：OrdinalEncoder过程_ev.mp4 (49.33MB)
095.【特征工程】Par 2.2 数据重编码：OneHotEncoder过程_ev.mp4 (62.77MB)
096.【特征工程】Par 2.3 转化器流水线：ColumnTransformer过程_ev.mp4 (57.45MB)
097.【特征工程】Par 2.4 特征变换：数据标准化与归一化_ev.mp4 (25.79MB)
098.【特征工程】Par 2.5 连续变量分箱：等宽、等频与聚类分箱_ev.mp4 (69.4MB)
099.【特征工程】Par 2.6 连续变量分箱：目标编码与有监督分箱_ev.mp4 (42.8MB)
100.【特征工程】Par 2.7 逻辑回归机器学习流构建与训练_ev.mp4 (72.81MB)
101.【特征工程】Par 2.8 逻辑回归机器学习流超参数搜索调优_ev.mp4 (88.29MB)
102.【特征工程】Par 2.9 自定义sklearn评估器网格搜索_ev.mp4 (109.73MB)
103.【特征工程】Par 2.10 逻辑回归模型解释与特征系数解读_ev.mp4 (59.98MB)
104.【特征工程】Par 2.11 决策树模型训练与优化_ev.mp4 (45.75MB)
105.【特征工程】Par 2.12 决策树模型解释与结果解读_ev.mp4 (63.94MB)
106.【特征工程】Par 3.1.1 特征衍生方法综述_ev.mp4 (57.54MB)
107.【特征工程】Par 3.1.2 基于业务的新用户标识字段创建与验证_ev.mp4 (58.62MB)
108.【特征工程】Par 3.1.3 基于业务的服务购买字段创建_ev.mp4 (58.26MB)
109.【特征工程】Par 3.1.4 基于数据探索的用户属性字段创建：基本思路与IV值计算过程_ev.mp4 (64.03MB)
110.【特征工程】Par 3.1.5 借助IV值检验衍生特征有效性方法_ev.mp4 (77.13MB)
111.【特征工程】Part 3.1.6 基于数据探索的合约字段创建与验证_ev.mp4 (21.51MB)
112.【特征衍生】Part 3.2.1 单变量特征衍生方法_ev.mp4 (88.06MB)
113.【特征衍生】Part 3.2.2 四则运算衍生与交叉验证衍生_ev.mp4 (71.2MB)
114.【特征衍生】Part 3.2.3 分组统计特征衍生_ev.mp4 (153.85MB)
115.【特征衍生】Part 3.2.4 多项式特征衍生_ev.mp4 (48.94MB)
116.【特征衍生】Part 3.2.5 统计演变特征_ev.mp4 (53.33MB)
117.【特征衍生】Part 3.2.6 多变量交叉组合特征衍生_ev.mp4 (66.61MB)
118.【特征衍生】Part 3.2.7 多变量分组统计衍生方法介绍_ev.mp4 (71.62MB)
119.【特征衍生】Part 3.2.8 多变量分组统计函数编写_ev.mp4 (62.68MB)
120.【特征衍生】Part 3.2.9 多变量多项式衍生与笛卡尔积运算_ev.mp4 (80.54MB)
121.【特征衍生】Part 3.2.10 多变量多项式衍生函数创建_ev.mp4 (78.88MB)
122.【特征衍生】Part 3.2.11 时序特征分析方法_ev.mp4 (161.79MB)
123.【特征衍生】Part 3.2.12 时序特征衍生与自然周期划分_ev.mp4 (110.01MB)
124.【特征衍生】Part 3.2.13 时序特征衍生本质与时间差值衍生_ev.mp4 (175.55MB)
125.【特征衍生】Part 3.2.14 时序特征衍生函数创建_ev.mp4 (100.6MB)
126.【特征衍生】Part 3.2.15 时间序列分析简介_ev.mp4 (152.44MB)
127.【特征衍生】Part 3.2.16 词向量化与TF-IDF_ev.mp4 (205.27MB)
128.【特征衍生】Part 3.2.17 NLP特征衍生方法介绍_ev.mp4 (195.44MB)
129.【特征衍生】Part 3.2.18 NLP特征衍生函数编写与使用_ev.mp4 (163.21MB)
130.【特征衍生】Part 3.2.19 交叉组合与多项式衍生高阶函数_ev.mp4 (197.78MB)
131.【特征衍生】Part 3.2.20 分组统计高阶函数编写_ev.mp4 (206.96MB)
132.【特征衍生】Part 3.2.21 目标编码_ev.mp4 (243.11MB)
133.【特征衍生】Part 3.2.22 关键特征衍生高阶函数_ev.mp4 (137.66MB)
134.【特征衍生】Part 3.2.23特征衍生实战-1_ev.mp4 (276.99MB)
135.【特征衍生】Part 3.2.24 特征衍生实战-2_ev.mp4 (312.5MB)
136.【特征衍生】Part 3.2.25 特征衍生实战-3_ev.mp4 (313.62MB)
137.【特征衍生】Part 3.2.26 特征衍生实战-4_ev.mp4 (259.91MB)
138.【特征衍生】Part 3.2.27 特征衍生流程总结_ev.mp4 (172.63MB)
139.【特征筛选】Part 3.3.0 特征筛选技术介绍_ev.mp4 (123.88MB)
140.【特征筛选】Part 3.3.1 缺失值过滤与方差过滤_ev.mp4 (150.34MB)
141.【特征筛选】Part 3.3.2 评分函数与特征筛选评估器_ev.mp4 (182.91MB)
142.【特征筛选】Part 3.3.3 假设检验基本流程_ev.mp4 (132.68MB)
143.【特征筛选】Part 3.3.4 卡方检验与特征筛选_ev.mp4 (280.95MB)
144.【特征筛选】Part 3.3.5 方差分析与特征筛选_ev.mp4 (186.11MB)
145.【特征筛选】Part 3.3.6 线性相关性的F检验_ev.mp4 (53.8MB)
146.【特征筛选】Part 3.3.7 离散变量之间的互信息法_ev.mp4 (251.61MB)
147.【特征筛选】Part 3.3.8 连续变量与离散变量的互信息法_ev.mp4 (272.4MB)
148.【特征筛选】Part 3.3.9 连续变量之间的互信息计算过程_ev.mp4 (154.42MB)
149.【特征筛选】Part 3.3.10 互信息法特征筛选实践_ev.mp4 (158.63MB)
150.【特征筛选】Part 3.3.11 feature_importance特征筛选_ev.mp4 (259.18MB)
151.【特征筛选】Part 3.3.12 RFE筛选与RFECV筛选_ev.mp4 (296.54MB)
152.【特征筛选】Part 3.3.13 SFS方法与SFM方法_ev.mp4 (164.81MB)
153.【特征筛选】Part 3.3.14 特征筛选方法总结_ev.mp4 (231.09MB)
154.【模型优化】Part4.0第四部分导学_ev.mp4 (42.86MB)
155.【模型优化】Part4.1.1海量特征衍生与筛选（上）_ev.mp4 (138.59MB)
156.【模型优化】Part4.1.2海量特征衍生与筛选（下）_ev.mp4 (189.66MB)
157.【模型优化】Part4.2.1网格搜索超参数优化实战（上）_ev.mp4 (316.92MB)
158.【模型优化】Part4.2.2网格搜索超参数优化实战（下）_ev.mp4 (309.45MB)
159.【模型融合】Part4.3.1模型融合与深度森林技术体系介绍_ev.mp4 (231.46MB)
160.【模型融合】Part4.3.2.1投票法与均值法_ev.mp4 (175.07MB)
161.【模型融合】Part4.3.2.2阈值移动的TPE搜索与交叉验证_ev.mp4 (224.82MB)
162.【模型融合】Part4.3.3.1加权平均融合与理论最优权重_ev.mp4 (114.97MB)
163.【模型融合】Part4.3.3.2加权平均法的经验法权重设置策略_ev.mp4 (200.48MB)
164.【模型融合】Part4.3.3.3基于搜索空间裁剪的权重搜索策略_ev.mp4 (156.88MB)
165.【模型融合】Part4.3.3.4交叉训练与Stacking融合的基本思路_ev.mp4 (90.77MB)
166.【模型融合】Part4.3.4.1交叉训练基本思想和数据准备_ev.mp4 (91.55MB)
167.【模型融合】Part4.3.4.2随机森林模型的交叉训练过程_ev.mp4 (154.64MB)
168.【模型融合】Part4.3.4.3决策树&逻辑回归的交叉训练_ev.mp4 (118.71MB)
169.【模型融合】Part4.3.4.4基于交叉训练的TPE搜索融合_ev.mp4 (67.04MB)
170.【模型融合】Part4.3.5.1细粒度&多级分层加权融合原理_ev.mp4 (113.89MB)
171.【模型融合】Part4.3.5.2细粒度&多级分层加权融合实践_ev.mp4 (98.48MB)
172.【模型融合】Part4.3.6.1Stacking基本原理与手动实现方法_ev.mp4 (316.54MB)
173.【模型融合】Part4.3.6.2Stacking优化方法初阶_ev.mp4 (523.16MB)
174.【模型融合】Part4.3.7.1Stacking一级学习器训练策略_ev.mp4 (361.75MB)
175.【模型融合】Part4.3.7.2Stacking元学习器优化流程_ev.mp4 (389.81MB)
176.【模型融合】Part4.3.8.1Stacking自动超参数交叉训练函数_ev.mp4 (570.49MB)
177.【模型融合】Part4.3.8.2Stacking自动元学习器优化函数_ev.mp4 (288.71MB)
178.【模型融合】Part4.3.9Blending融合原理与实践_ev.mp4 (367.51MB)
179.【模型融合】Part4.3.10Blending融合进阶优化策略_ev.mp4 (319.39MB)
180.【模型融合】Part4.3.11.1回归类集成算法优化策略（上）_ev.mp4 (814.19MB)
181.【模型融合】Part4.3.11.2回归类集成算法优化策略（下）_ev.mp4 (190.89MB)
182.【模型融合】Part4.3.12.1回归问题的加权平均融合方法实践_ev.mp4 (269.97MB)
183.【模型融合】Part4.3.12.2回归问题的Stacking&Blending融合_ev.mp4 (203.32MB)
184.【WDSM时序案例】00 赛题介绍、课件领取.mp4 (95.74MB)
185.【WDSM时序案例】01 赛题理解(1) 理解流媒体平台基本业务.mp4 (101.26MB)
186.【WDSM时序案例】02 赛题理解(2) 标签理解：用户留存分.mp4 (131.05MB)
187.【WDSM时序案例】03 赛题理解(3) 解读测试数据集.mp4 (108.44MB)
188.【WDSM时序案例】04 赛题理解(4) 解读登录数据集 (上).mp4 (114.73MB)
189.【WDSM时序案例】04 赛题理解(4) 解读登录数据集 (下).mp4 (121.25MB)
190.【WDSM时序案例】05 赛题理解(5) 解读互动与视频播放信息.mp4 (138.42MB)
191.【WDSM时序案例】06 赛题理解(6) 解读视频与用户画像信息.mp4 (178.16MB)
192.【WDSM时序案例】07 赛题理解(7) 时间窗口与赛题难点.mp4 (96.21MB)
193.【WDSM时序案例】08 理解时序预测(1) 单变量vs多变量时间序列.mp4 (118.55MB)
194.【WDSM时序案例】09 理解时序预测(2) 时间序列的训练与预测（上）.mp4 (120.62MB)
195.【WDSM时序案例】10 理解时序预测(3) 时间序列的训练与预测（下）.mp4 (206.86MB)
196.【WDSM时序案例】11 理解时序预测(4) 2大关键预测类型与前沿时序领域.mp4 (142.37MB)
197.【WDSM时序案例】12 理解时序预测(5) 统计学与机器学习中的时间序列模型.mp4 (130.12MB)
198.【WDSM时序案例】13 理解时序预测(6) 深度学习领域的时间序列模型.mp4 (83.68MB)
199.【WDSM时序案例】14【加餐】ARIMA模型详解(1) AR自回归模型原理与公式.mp4 (122.66MB)
200.【WDSM时序案例】15【加餐】ARIMA模型详解(2) AR自回归模型的训练与测试流程.mp4 (126.52MB)
201.【WDSM时序案例】16【加餐】时序模型 (3) MA模型原理与公式讲解.mp4 (198.09MB)
202.【WDSM时序案例】17【加餐】时序模型 (4) MA模型训练与测试流程.mp4 (167.04MB)
203.【WDSM时序案例】18【加餐】时序模型 (5) ARIMA模型与差分运算.mp4 (184.99MB)
204.【WDSM时序案例】19【加餐】时序模型 (6) 滞后算子与差分运算.mp4 (101.05MB)
205.【WDSM时序案例】20【加餐】时序模型 (7) ARIMA模型的平稳性要求.mp4 (111.33MB)
206.【WDSM时序案例】21【加餐】时序模型 (8) ACF与PACF的定义与图像.mp4 (152.84MB)
207.【WDSM时序案例】22【加餐】时序模型 (9) ACF和PACF的三种趋势.mp4 (132.52MB)
208.【WDSM时序案例】23【加餐】时序模型 (10) 确定p、d、q的超参数值.mp4 (157.84MB)
209.【WDSM时序案例】24【加餐】时序模型 (11) 时序模型的评估指标.mp4 (115.93MB)
215--【WDSM时序案例】25【加餐】ARIMA模型的实现1ARIMA经典假设与建模流程.mp4 (116.87MB)
216--【WDSM时序案例】26【加餐】ARIMA模型的实现2平稳性检验与差分运算.mp4 (160.12MB)
217--【WDSM时序案例】27【加餐】ARIMA模型的实现3确定d值-进行建模.mp4 (131.55MB)
218--【WDSM时序案例】28【加餐】ARIMA模型的实现4解读ARIMA的Sum表单.mp4 (240.78MB)
219--【WDSM时序案例】29【加餐】ARIMA模型的实现5选择最佳参数组合.mp4 (173.35MB)
220--【WDSM时序案例】30多变量时序模型1多变量模型的基本思想.mp4 (197.74MB)
221--【WDSM时序案例】31多变量时序模型2VAR与VARMA模型的数学表示.mp4 (219.16MB)
222--【WDSM时序案例】32多变量时序模型3VARMAX模型的代码实现.mp4 (221.46MB)
223--【WDSM时序案例】33机器学习中的时间序列1Pmdarma实现SARIMAX.mp4 (139.7MB)
224--【WDSM时序案例】34机器学习中的时间序列2Pmdarma实现滚动交叉验证.mp4 (193.43MB)
225--【WDSM时序案例】35机器学习中的时间序列3Pmdarma实现滑窗交叉验证.mp4 (206.28MB)
226--【金融案例】01认识捷信金融还款风险预测.mp4 (90.15MB)
227--【金融案例】02比赛背景与目标.mp4 (194.84MB)
228--【金融案例】03数据探索主表的特征字段讲解以及缺失值的处理.mp4 (135.92MB)
229--【金融案例】04数据探索主表的异常值处理以及相关性分析.mp4 (143.93MB)
230--【金融案例】05海量数据处理入门.mp4 (129.43MB)
231--【金融案例】06三剑客建立basln.mp4 (171.82MB)
232--【金融案例】07还款业务指标与业务特征衍生.mp4 (197.58MB)
233--【金融案例】08Lakng-proof式目标编码.mp4 (176.38MB)
234--【金融案例】09GAME策略和burau表单的业务特征衍生.mp4 (105.43MB)
235--【金融案例】10GAME策略的进阶应用相对性行为分析和分层聚合分析.mp4 (156.47MB)
236--【金融案例】11GAME策略在附表中的综合应用.mp4 (291.08MB)
237--【金融案例】12自动化衍生技巧以及faturtools库的基本流程.mp4 (134.15MB)
238--【金融案例】13faturtools在HomCrdt数据集的进阶应用.mp4 (253MB)
239--【金融案例】14特征工程成果与focalloss原理精讲.mp4 (93.97MB)
240--【金融案例】15focalloss在二分类上的实现.mp4 (103.37MB)
241--【金融案例】16focalloss在多分类上的实现.mp4 (76.82MB)
242--【金融案例】17LakngUsag重复申请人漏洞.mp4 (88.68MB)
243--【金融案例】18optuna实现贝叶斯优化.mp4 (59.11MB)
244--【金融案例】19逆向工程与无限融合.mp4 (112.73MB)
245--【股价项目】01认识量化交易和股票收益预测.mp4 (641.53MB)
246--【股价项目】02股票相关的金融概念与评估指标.mp4 (646.34MB)
247--【股价项目】03kaggl三大经典比赛形式.mp4 (695.06MB)
248--【股价项目】04股票数据的特征含义与业务理解.mp4 (401.87MB)
249--【股价项目】05数据探索与股票字段的深入理解.mp4 (1.53GB)
250--【股价项目】06basln的建立.mp4 (495MB)
251--【股价项目】07kaggl常见QA.mp4 (392.58MB)
252--【股价项目】08趋势特征分析简介.mp4 (665.65MB)
253--【股价项目】09历史平移和增长率特征.mp4 (339.19MB)
254--【股价项目】10窗口统计特征.mp4 (715.19MB)
255--【股价项目】11指数加权移动平均.mp4 (540.94MB)
256--【股价项目】12市场波动特征.mp4 (1.4GB)
257--【股价项目】13时序特征工程在股价数据中的应用.mp4 (437.65MB)
258--【股价项目】14行业分段建模与模型融合.mp4 (1.49GB)
