1. 特征工程介绍: 1 - 1 特征工程是什么 8 分钟
立即学习; 1 - 2 特征工程效果评估 5 分钟
立即学习; 1 - 3 定性还是定量 5 分钟
立即学习; 1 - 4 数据的4个等级介绍 7 分钟
立即学习; 1 - 5 数据的4个等级演示 7 分钟
立即学习
2. 数据预处理: 2 - 1 探索性数据分析 5 分钟
立即学习; 2 - 2 探究不同类别样本的血糖浓度 11 分钟
立即学习; 2 - 3 缺失值探索 10 分钟
立即学习; 2 - 4 删除缺失值 6 分钟
立即学习; 2 - 5 构建基线模型 5 分钟
立即学习; 2 - 6 网格搜索优化 10 分钟
立即学习; 2 - 7 利用0进行缺失值填充的模型性能 5 分钟
立即学习; 2 - 8 利用均值进行缺失值填充的模型性能 5 分钟
立即学习; 2 - 9 标准化和归一化介绍 7 分钟
立即学习; 2 - 10 结合机器学习流水线进一步优化 15 分钟
立即学习; 2 - 11 数据预处理小结 5 分钟
立即学习
3. 特征构建: 3 - 1 特征构建引言 2 分钟
立即学习; 3 - 2 分类数据的填充 5 分钟
立即学习; 3 - 3 自定义分类数据填充器 10 分钟
立即学习; 3 - 4 自定义定量数据填充器 6 分钟
立即学习; 3 - 5 编码定类数据 8 分钟
立即学习; 3 - 6 编码定序变量 8 分钟
立即学习; 3 - 7 连续变量分箱 5 分钟
立即学习; 3 - 8 在流水线中封装预处理操作 4 分钟
立即学习; 3 - 9 拓展数值特征的模型基线 9 分钟
立即学习; 3 - 10 多项式特征模型性能 10 分钟
立即学习
4. 特征选择: 4 - 1 特征选择介绍 5 分钟
立即学习; 4 - 2 数据导入及探索 6 分钟
立即学习; 4 - 3 基于皮尔逊相关系数的特征选择 9 分钟
立即学习; 4 - 4 特征选择前后模型性能比较 8 分钟
立即学习; 4 - 5 基于假设检验的特征选择 12 分钟
立即学习; 4 - 6 基于树的特征选择 8 分钟
立即学习; 4 - 7 特征选择后模型性能探索 7 分钟
立即学习; 4 - 8 基于线性模型的特征选择 11 分钟
立即学习; 4 - 9 小结 5 分钟
立即学习
5. 降维与转换: 5 - 1 特征转换介绍 6 分钟
立即学习; 5 - 2 主成分分析（PCA）介绍 8 分钟
立即学习; 5 - 3 PCA工作流程实现 12 分钟
立即学习; 5 - 4 PCA方差分析 6 分钟
立即学习; 5 - 5 利用sklearn实现PCA 7 分钟
立即学习; 5 - 6 深入解释PCA之相关性探究 7 分钟
立即学习; 5 - 7 深入解释PCA之线性变换 5 分钟
立即学习; 5 - 8 深入解释PCA之数据分布探索 8 分钟
立即学习; 5 - 9 PCA小结 2 分钟
立即学习; 5 - 10 LDA工作流程及实现 6 分钟
立即学习; 5 - 11 sklearn实现LDA 6 分钟
立即学习; 5 - 12 LDA数据分布探索 5 分钟
立即学习; 5 - 13 应用特征转换 14 分钟
立即学习; 5 - 14 小结 2 分钟
立即学习
6. 特征学习: 6 - 1 特征学习介绍 5 分钟
立即学习; 6 - 2 受限玻尔兹曼机（RBM）工作原理 8 分钟
立即学习; 6 - 3 MNIST数字识别任务介绍 4 分钟
立即学习; 6 - 4 MNIST数据准备 10 分钟
立即学习; 6 - 5 PCA特征分析 10 分钟
立即学习; 6 - 6 RBM特征学习 9 分钟
立即学习; 6 - 7 构建基线模型 4 分钟
立即学习; 6 - 8 加入PCA进行模型优化 7 分钟
立即学习; 6 - 9 加入RBM进行模型优化 5 分钟
立即学习; 6 - 10 多层受限玻尔兹曼机 5 分钟
立即学习
7. 案例分析: 7 - 1 7. 表情识别任务介绍 3 分钟
立即学习; 7 - 2 读取数据 16 分钟
立即学习; 7 - 3 提取特征脸 7 分钟
立即学习; 7 - 4 构建基线模型 7 分钟
立即学习; 7 - 5 加入PCA过程 5 分钟
立即学习; 7 - 6 加入LDA过程 6 分钟
立即学习