行业课程
最新上线
系列课
大咖课
微专业
微技能
大类资产配置
领带证书
公开课
企业服务
行业课程
最新上线
系列课
大咖课
微专业
微技能
大类资产配置
领带证书
公开课
企业服务
登录
注册
切换触屏版
登录
注册
×
暂无AI对话权限
此功能仅对领带会员开放，请开通会员后体验。如需试用，可联系客服帮您开通。
领带
网页版
机器学习入门到进阶及在金融领域的应用
第26任务： 参数调优实战-GridSearch多参数调优
查看课程
任务列表
第1任务： 基础机器学习模型_源代码汇总.zip
第2任务： 一元线性回归的数学原理(了解)
第3任务： 一元线性回归模型的代码实现（重要）
第4任务： 案例实战：收入增长模型
第5任务： 线性回归模型的模型评估
第6任务： 客户价值预测多元线性回归及特征重要性描述
第7任务： 逻辑回归的数学原理（了解）
第8任务： 逻辑回归的代码实现
第9任务： 逻辑回归模型的深入理解
第10任务： 案例实战-股票客户流失预警模型
第11任务： ROC曲线的含义
第12任务： 混淆矩阵的Python实现_final
第13任务： 案例实战-评估流失预警模型的ROC曲线与AUC值
第14任务： KS曲线与KS值
第15任务： 决策树模型简介
第16任务： 决策树的数学原理1 - 基尼系数
第17任务： 决策树的数学原理2 - 熵（了解即可）
第18任务： 分类决策树模型的简单代码实现
第19任务： 回归决策树数学原理和简单代码实现
第20任务： 案例实战：员工离职预测模型搭建与评估
第21任务： 特征重要性评价方法
第22任务： 决策树模型可视化（了解）
第23任务： 决策树模型深入理解
第24任务： 参数调优基础 - K折交叉验证
第25任务： 参数调优实战 - GridSearch单参数调优
第26任务： 参数调优实战-GridSearch多参数调优
第27任务： 案例实战：银行客户违约预测模型搭建
第28任务： 朴素贝叶斯模型的基本原理（了解）
第29任务： 朴素贝叶斯模型的进阶原理与简单代码演示（了解）
第30任务： 案例实战-肿瘤预测模型
第31任务： 基于朴素贝叶斯算法的信贷违约预测模型-
第32任务： K近邻算法基本原理与简单代码实现（了解）
第33任务： 数据预处理之数据归一化
第34任务： 案例实战：手写数字识别模型原理
第35任务： 案例实战：手写数字识别模型搭建
第36任务： 补充知识点：图像识别原理详解
第37任务： 基于K近邻算法的信贷违约预测模型
第38任务： 集成机器学习模型_源代码汇总.zip
第39任务： 集成学习模型初步介绍-Bagging和Boosting算法
第40任务： 随机森林模型的基本原理
第41任务： 随机森林模型的简单代码实现
第42任务： 量化金融-Tushare注册与使用
第43任务： 量化金融-Tushare库的基础使用
第44任务： 量化金融-Ta_lib库生成RSI与MOM指标
第45任务： 量化金融-Ta_lib库生成EMA指标
第46任务： 量化金融-Ta_lib库生成MACD指标
第47任务： 量化金融-股票价格涨跌预测模型搭建
第48任务： 量化金融-随机森林模型调参
第49任务： 量化金融-股票价格涨跌预测模型评估
第50任务： 量化金融-收益回测曲线绘制（上）
第51任务： 量化金融-收益回测曲线绘制（下）
第52任务： AdaBoost算法核心思想
第53任务： AdaBoost算法数学原理（上）
第54任务： AdaBoost算法数学原理（下）
第55任务： AdaBoost算法的简单代码实现
第56任务： 案例实战-AdaBoost信用卡精准营销模型
第57任务： GBDT算法的核心思想
第58任务： GBDT算法的数学原理（上）
第59任务： GBDT算法的数学原理（下）
第60任务： GBDT算法的简单代码实现
第61任务： 案例实战-GBDT产品定价模型
第62任务： 补充知识点：损失函数（了解即可）
第63任务： XGBoost算法的核心思想
第64任务： XGBoost算法的数学原理概述（了解）
第65任务： XGBoost算法的简单代码实现
第66任务： 案例实战-金融反欺诈模型（上）
第67任务： 案例实战-金融反欺诈模型（下）
第68任务： 案例实战-信用评分卡模型（上）
第69任务： 案例实战-信用评分卡模型（下）
第70任务： LightGBM算法核心思想与数学原理概述（了解）
第71任务： LightGBM的简单代码实现
第72任务： 案例实战-客户违约预测模型（上）
第73任务： 案例实战-客户违约预测模型（下）
第74任务： 案例实战-广告收益回归预测模型
第75任务： 特征工程与数据处理_源代码汇总.zip
第76任务： 特征工程之数据预处理概览
第77任务： 非数值类型数据处理（上）-Get_dummies哑变量处理
第78任务： 非数值类型数据处理（下）-Label Encoding处理法
第79任务： 重复值、缺失值及异常值处理
第80任务： 数据标准化（归一化）处理
第81任务： 数据分箱处理
第82任务： WOE值与IV值的意义
第83任务： WOE值的定义与演示（上）
第84任务： WOE值的定义与演示（下）
第85任务： IV值的定义与演示
第86任务： WOE值与IV值的代码实现
第87任务： 案例实战：客户流失预警模型的IV值计算
第88任务： 多重共线性的分析（了解）
第89任务： 多重共线性检验方法（了解）
第90任务： 多重共线性的代码检验（了解）
第91任务： 过采样与欠采样-基本原理
第92任务： 过采样与欠采样-Python代码实现
第93任务： 特征衍生与特征交叉初步理解
第94任务： 特征构造工具Featurestools库（初步）-上
第95任务： 特征构造工具Featurestools库（初步）-下
第96任务： Featurestools库深入讲解1-银行信贷数据读取
第97任务： Featurestools库深入讲解2-构造实体集与实体
第98任务： Featurestools库深入讲解3-创建表间勾稽关系
第99任务： Featurestools库深入讲解4-聚合和转换操作（上）
第100任务： Featurestools库深入讲解4-聚合和转换操作（下）
第101任务： 自动深度特征合成
第102任务： 数据降维之PCA主成分分析原理介绍
第103任务： PCA主成分分析Python代码实现
第104任务： 刷脸支付背后的奥秘-人脸识别模型背景与数据读取
第105任务： 人脸内容数值化处理（上）-特征变量提取
第106任务： 人脸内容数值化处理（下）-目标变量提取
第107任务： 人脸识别模型的搭建与使用
第108任务： 补充知识点：人脸识别外部接口调用
第109任务： （下章剧透）PCA主成分分析在新闻聚类模型中的使用
第110任务： 非监督学习模型_源代码汇总.zip
第111任务： Kmeans算法的原理介绍
第112任务： Kmeans算法的简单代码实现
第113任务： 案例实战-银行客户分群模型（精准营销模型）
第114任务： DBSCAN算法的原理介绍与演示
第115任务： DBSCAN算法的简单代码实现
第116任务： 案例实战-新闻聚类分群模型背景
第117任务： 中文分词案例实战
第118任务： 文本向量化-中文转为词频矩阵
第119任务： 新闻聚类模型搭建与使用（初步）
第120任务： 新闻聚类模型优化（余弦相似度优化）
第121任务： 补充知识点：大数据分词与百度新闻爬虫
第122任务： 智能推荐系统的基础-协同过滤算法
第123任务： 相似度计算的三种常见方法
第124任务： 智能推荐系统搭建1-数据处理
第125任务： 智能推荐习题搭建2-模型搭建
第126任务： 关联分析的基本概念
第127任务： Apriori算法的数学演示
第128任务： Apriori算法的代码实现
第129任务： Apriori算法的另一种代码实现方法（了解即可）
第130任务： 综合案例-金融产品交叉销售（智能营销）
第131任务： 神经网络模型基本原理
第132任务： 神经网络模型简单代码实现
第133任务： 案例实战-用户评论情感分析模型
领带
