┣━黑马-Python就业班v6.5
┣━1.阶段一 pythonv6.5版本课程
┣━01.第一章∶ 1-Python基础语法V6.5
┣━02.第二章∶ 2-Python基础面向对象编程V6.5
┣━03.第三章∶ 3-linux操作系统使用V6.5
┣━09.第九章∶ 9-Python高级语法V6.5
┣━12.第十二章∶ 12-美多商城V6.5
┣━15.第十五章∶ 15-项目自动化部署V6.5
┣━21.第二十一章∶ 21-机器学习_v6.5
┣━003.3.3 机器学习流程详解.mp4
┣━007.4 机器学习概述总结.mp4
┣━012.1.4 数据集划分.mp4
┣━013.1.5 分类准确率计算.mp4
┣━014.2.0 上午复习.mp4
┣━018.2.4 sklearn中归一化.mp4
┣━019.2.5 k近邻算法小结.mp4
┣━021.3.2 knn案例小结.mp4
┣━022.4 今日总结.mp4
┣━023.0 昨日复习(1).mp4
┣━024.1.1 线性回归介绍.mp4
┣━026.1.3 求导复习.mp4
┣━027.2.1 线性回归损失函数.mp4
┣━030.2.4 优化方法对比.mp4
┣━031.3.1 梯度下降算法概念详解.mp4
┣━032.3.2 梯度下降算法推导.mp4
┣━033.3.3 梯度下降算法家族介绍.mp4
┣━034.0 昨日复习(2).mp4
┣━035.1.1 线性回归api.mp4
┣━037.1.3 波士顿房价预测案例实现.mp4
┣━040.2.3 欠拟合和过拟合原因.mp4
┣━041.3.1 正则化介绍.mp4
┣━042.3.2 线性模型正则化-岭回归.mp4
┣━043.3.3 线性模型正则化-lasso回归.mp4
┣━044.3.4.上午复习.mp4
┣━045.3.5 手动实现梯度下降.mp4
┣━046.3.6 岭回归应用.mp4
┣━047.3.7 模型保存加载.mp4
┣━048.4.1 回归分析介绍.mp4
┣━050.4.3 销售额预测分析-相关性分析.mp4
┣━052.4.5 销售额预测分析-结果解读.mp4
┣━053.5.1 逻辑回归介绍.mp4
┣━055.5.3 逻辑回归api&应用.mp4
┣━056.6.1 混淆矩阵介绍.mp4
┣━060.1.2 逻辑回归案例分析.mp4
┣━063.2.2 熵概念.mp4
┣━065.2.4 信息增益计算.mp4
┣━066.2.5 信息增益比计算.mp4
┣━067.3.0 上午复习.mp4
┣━070.3.3 决策树剪枝.mp4
┣━074.4.3 决策树局限性.mp4
┣━075.5.1 集成学习&bagging算法.mp4
┣━077.0 昨日复习(4).mp4
┣━078.1.1 boosting算法简介.mp4
┣━079.1.2 Adaboost算法介绍.mp4
┣━080.1.3 GBDT算法简介.mp4
┣━083.2.2 GBDT算法详解-提升树.mp4
┣━088.2.7 GBDT算法示例.mp4
┣━089.3.0 上午复习(1).mp4
┣━090.3.1 聚类算法简介.mp4
┣━091.3.2 聚类算法实现.mp4
┣━093.3.4 模型评估.mp4
┣━095.4 今日总结(1).mp4
┣━096.0 昨日复习(5).mp4
┣━097.1.1 特征降维介绍.mp4
┣━099.1.3 相关系数计算.mp4
┣━101.2.1 顾客数据聚类分析.mp4
┣━102.2.2 年龄与收入聚类分析.mp4
┣━103.2.3 airbnb客户聚类分析1.mp4
┣━104.2.3 airbnb客户聚类分析2.mp4
┣━001.3.1 人工智能概述.mp4
┣━002.3.2 机器学习流程综述.mp4
┣━004.3.4 机器学习分类1.mp4
┣━005.3.5 机器学习分类2.mp4
┣━006.3.6 模型评估.mp4
┣━008.0 昨日复习.mp4
┣━009.1.1 k近邻算法简介.mp4
┣━010.1.2 k近邻算法实现.mp4
┣━011.1.3 k近邻算法sklearn接口.mp4
┣━015.2.1 超参数k介绍.mp4
┣━016.2.2 超参数weights介绍.mp4
┣━017.2.3 归一化介绍.mp4
┣━020.3.1 knn案例流程.mp4
┣━025.1.2 线性回归api使用.mp4
┣━028.2.2 正规方程求解.mp4
┣━029.2.3 梯度下降算法介绍.mp4
┣━036.1.2 波士顿房价预测案例介绍.mp4
┣━038.2.1 欠拟合和过拟合介绍.mp4
┣━039.2.2 欠拟合和过拟合量化.mp4
┣━049.4.2 销售额预测案例-数据查看.mp4
┣━051.4.4 销售额预测分析-构建模型.mp4
┣━054.5.2 逻辑回归损失函数.mp4
┣━057.6.2 ROC曲线AUC指标.mp4
┣━058.0 昨日复习(3).mp4
┣━059.1.1 逻辑回归案例介绍.mp4
┣━061.1.3 逻辑回归案例构建模型.mp4
┣━062.2.1 决策树介绍.mp4
┣━064.2.3 信息增益定义.mp4
┣━068.3.1 决策树生成代码-ID3.mp4
┣━069.3.2 决策树生成代码-C4.5.mp4
┣━071.3.4 基尼指数介绍.mp4
┣━072.4.1 CART算法介绍.mp4
┣━073.4.2 CART算法流程.mp4
┣━076.5.2 随机森林算法.mp4
┣━081.1.4 GBDT算法示例.mp4
┣━082.2.1 GBDT算法详解-CART回归树.mp4
┣━084.2.3 GBDT算法详解-提升树示例1.mp4
┣━085.2.4 GBDT算法详解-提升树示例2.mp4
┣━086.2.5 GBDT算法详解-提升树示例3.mp4
┣━087.2.6 GBDT算法详解-梯度提升树.mp4
┣━092.3.3 聚类算法练习.mp4
┣━094.3.5 算法优化.mp4
┣━098.1.2 低方差特征过滤.mp4
┣━100.1.4 主成分分析.mp4
┣━22.第二十二章∶ 22-金融风控
┣━02.02_常见零售产品和风险介绍.mp4
┣━06.06_业务数据分析案例_90天坏账率计算.mp4
┣━08.08_业务数据分析案例_不同逾期天数回收情况.mp4
┣━14.06_风控建模流程_特征工程介绍2.mp4
┣━16.08_风控建模流程_上线运营.mp4
┣━18.10_业务规则挖掘_案例代码分析.mp4
┣━19.11_业务规则挖掘_代码实现_数据处理.mp4
┣━20.12_业务规则挖掘_代码实现_特征衍生.mp4
┣━30.08_常用缺失值处理方法.mp4
┣━32.10_用户信息关联&小结.mp4
┣━37.05_外部特征评估.mp4
┣━42.04_评分映射.mp4
┣━60.04_反欺诈与异常检测简介.mp4
┣━61.05_异常点检测_LOF.mp4
┣━62.06_异常点检测_IForest.mp4
┣━63.07_异常点检测_冷启动和PreA.mp4
┣━01.01_信贷和风控介绍.mp4
┣━03.03_风控相关业务术语介绍.mp4
┣━10.02_风控建模流程概述.mp4
┣━25.03_特征衍生.mp4
┣━41.03_建模流程_模型训练与评估.mp4
┣━59.03_不均衡学习_SMOTE算法代码实现.mp4
┣━24.第二十四章∶ 24-数仓
┣━2.阶段二 就业指导拓展资料
┣━1.第一章 1-Python-就业指导技巧