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 |
