一. 总目录追溯
1.python库和知识点总结
标题 | 备注及注解 |
---|---|
1. python3语法总结 | 总结了目前刷题遇到的,或者比较实用的函数或包,以及一些实用操作 |
2. numpy语法总结 | |
3. pandas语法总结 | |
4. matplotlib语法总结 |
2.数据挖掘实战
标题 | 备注及注解 |
---|---|
1. 数据探索和清洗经验整理 | 总结了目前遇到的从数据表的处理,和数据类型处理的一些技巧和方式 |
2. 数据可视化 | 总结了一些有用的数据可视化技巧:例如:可视化决策边界,热力图对预测效果的可视化,特征重要性可视化 |
3. 特征工程 | 一些特征工程中封装好的函数,以及一些特征工程的技巧方案 |
4. 调参方法 | 调节模型参数的方法有贪心算法、网格调参、贝叶斯调参等 |
3.机器学习理论部分(包括代码)
标题 | 备注及注解 |
---|---|
1. 莫凡处学习到的少量Sklearn代码总结 | 内容少,较为基础的sklearn的包和操作,例如如何划分数据集和训练集,或者交叉验证,后续可以整合一个更完善的 |
2. 刘建平老师的sklearn博客总结和分析 | 主要是机器学习的代码和库的基本操作,证明和推导比较重要,目前尚未吃透 |