机器学习实战集锦（唐宇迪博士）

该课程全部为实战内容，选择多个行业数据集进行项目实战。

帮助同学们学习机器学习与深度学习核心工具包使用方法并熟练应用到实际任务中。建议同学们在学习机器学习算法与Python工具包后再来学习该课程，持续更新，后续所有实战集锦均放在次模块中。

第1章Python实战关联规则49分钟6节

1-1关联规则概述[免费试看]06:57

1-2支持度与置信度08:58

1-3提升度的作用08:45

1-4Python实战关联规则09:04

1-5数据集制作07:51

1-6电影数据集题材关联分析07:53

第2章快手短视频用户活跃度分析1小时6分钟8节

2-1任务目标与数据分析09:37

2-2整体模型架构06:13

2-3构建用户特征序列10:14

2-4序列特征提取方法08:56

2-5生成特征汇总表07:58

2-6标签制作05:12

2-7网络训练模块09:57

2-8得出最终模型结果08:18

第3章工业化工生产预测52分钟6节

3-1数据任务概述04:23

3-2数据异常检查09:16

3-3时间特征提取11:45

3-4各道工序特征构建09:41

3-5准备训练数据08:20

3-6训练xgboost模型09:01

第4章智慧城市-道路通行时间预测1小时6分钟8节

4-1数据与任务目标分析08:28

4-2数据清洗与标签转换07:09

4-3道路通行时间序列数据生成08:01

4-4序列缺失补全方法08:18

4-5基于回归与插值完成序列特征09:41

4-6基于回归与插值进行序列补全06:53

4-7特征汇总08:14

4-8建立回归模型进行预测10:00

第5章医学糖尿病数据命名实体识别51分钟6节

5-1数据与任务介绍07:03

5-2整体模型架构04:48

5-3数据-标签-语料库处理10:15

5-4输入样本填充补齐09:24

5-5训练网络模型10:00

5-6医疗数据集（糖尿病）实体识别09:57

第6章贷款平台风控模型-特征工程55分钟7节

6-1竞赛任务目标05:36

6-2图模型信息提取08:58

6-3节点权重特征提取(PageRank)10:22

6-4deepwalk构建图顶点特征10:33

6-5各项统计特征06:43

6-6app安装特征06:28

6-7图中联系人特征06:54

第7章新闻关键词抽取模型1小时13分钟9节

7-1任务目标与数据集介绍05:37

7-2数据清洗与预处理09:32

7-3基本特征抽取06:32

7-4文章与词向量分析08:47

7-5权重划分08:57

7-6候选词统计特征09:06

7-7textrank特征提取06:17

7-8候选词相似度特征05:19

7-9特征工程汇总13:06

第8章商品销售额回归分析1小时26分钟8节

8-1数据任务分析10:04

8-2特征工程制作12:24

8-3统计指标生成11:32

8-4特征信息提取14:01

8-5标签变换08:21

8-6输入数据制作08:33

8-7Xgboost训练模型10:14

8-8生成输出结果11:43

第9章机器学习-模型解释方法实战43分钟5节

9-1模型解释方法与实践11:16

9-2部分依赖图解释06:05

9-3双变量分析05:54

9-4ShapValues指标分析10:23

9-5疾病引起原因分析实战09:38

第10章自然语言处理必备工具包实战2小时6分钟14节

10-1Python字符串处理11:50

10-2正则表达式基本语法09:06

10-3正则常用符号09:02

10-4常用函数介绍09:51

10-5NLTK工具包简介07:55

10-6停用词过滤07:11

10-7词性标注08:21

10-8数据清洗实例10:17

10-9Spacy工具包09:55

10-10名字实体匹配06:56

10-11恐怖袭击分析11:07

10-12统计分析结果07:57

10-13结巴分词器08:42

10-14词云展示08:37

第11章NLP核心模型-word2vec39分钟5节

11-1词向量模型通俗解释08:14

11-2模型整体框架10:09

11-3训练数据构建05:10

11-4CBOW与Skip-gram模型08:20

11-5负采样方案07:40

第12章图像特征聚类分析实践58分钟6节

12-1数据与任务流程分析08:06

12-2图片数据导入09:22

12-3图像特征编码09:15

12-4数组保存与读取04:55

12-5得出聚类结果10:34

12-6聚类效果可视化展示16:45

第13章银行客户还款可能性预测2小时1分钟12节

13-1数据任务介绍及缺失值处理12:09

13-2EDA数据探索分析10:52

13-3特征展示分析10:51

13-4KDEPLOT展示09:22

13-5部分特征分析与可视化10:12

13-6数据检查与特征工程12:31

13-7多项式特征09:24

13-8自定义特征05:49

13-9逻辑回归模型09:54

13-10结果评估13:02

13-11算法对比选择07:31

13-12

必杀神奇：lightgbm