24、python-机器学习-进阶实战

课程简介

24、python-机器学习-进阶实战深入实战，掌握机器学习进阶技巧编辑点评实战导向，涵盖数据特征工程、GBDT、降维、贝叶斯优化、隐马尔可夫模型等高级内容，适合有一定基础的学习者。 ⭐ 编辑推荐本课程深入讲解Python机器学习进阶实战，通过实际项目案例，帮助学习者掌握高级机器学习技巧。 ✨ 课程亮点 ✦ 实战项目丰富 ✦ 涵盖高级算法 ✦ 提升…

已有 4 人浏览发布 2026-04-19 更新 2026-09-22

24、python-机器学习-进阶实战

深入实战，掌握机器学习进阶技巧

编辑点评

实战导向，涵盖数据特征工程、GBDT、降维、贝叶斯优化、隐马尔可夫模型等高级内容，适合有一定基础的学习者。

⭐ 编辑推荐

本课程深入讲解Python机器学习进阶实战，通过实际项目案例，帮助学习者掌握高级机器学习技巧。

✨ 课程亮点

✦实战项目丰富

✦涵盖高级算法

✦提升实战能力

课程目录

.ipynb_checkpoints8 条

Feature Engineering on Numeric Data-checkpoint.ipynb [238.7KB]
Feature Engineering on Temporal Data-checkpoint.ipynb [23.1KB]
Feature Engineering on Text Data-checkpoint.ipynb [47.6KB]
Feature Selection-checkpoint.ipynb [29.2KB]
数值特征-checkpoint.ipynb [216.9KB]
图像特征-checkpoint.ipynb [791.8KB]
特征预处理-checkpoint.ipynb [11.7KB]
文本特征-checkpoint.ipynb [42.5KB]

datasets10 条

2.GBDT提升算法1 条

GBDT.pdf [763.8KB]

3.xgboost-gbdt-lightgbm1 条

GBDT.zip [51.6M]

4.使用lightgbm进行饭店流量预测1 条

GBDT【整理不易‖记得关注：CunWorKNotes】.zip [51.6M]

5.人口普查数据集项目实战-收入预测3 条

1.png [186.7KB]
2.png [62.6KB]
3.png [698.3KB]
机器学习数据分析模板.ipynb [4.2M]

6.降维算法-线性判别分析2 条

9-LDA与PCA算法.pdf [1M]
降维算法.zip [443.7KB]

7.贝叶斯优化及其工具包使用1 条

贝叶斯优化：Hyperopt.zip [17.4M]

8.贝叶斯优化实战1 条

贝叶斯优化：Hyperopt.zip [17.4M]

9.EM算法1 条

10-EM算法.pdf [811.4KB]

10.HMM隐马尔科夫模型1 条

HMM.pdf [1M]

__pycache__8 条

12.推荐系统1 条

推荐系统.pdf [2.1M]

.ipynb_checkpoints1 条

推荐系统-checkpoint.ipynb [344.8KB]

__pycache__14 条

14.基于统计分析的电影推荐1 条

电影推荐.zip [10M]

.ipynb_checkpoints14 条

学习曲线（Bias和Variance）-checkpoint.ipynb [137.1KB]
1.png [52.1KB]
2.png [36KB]
3.png [56.1KB]
4.png [24.9KB]
5.png [45.1KB]
6.png [93.1KB]
7.png [75.3KB]
8.png [58.4KB]
9.png [5.2KB]
10.png [39.9KB]
11.png [67.5KB]
Folds5x2_pp.xlsx [1.9M]
学习曲线（Bias和Variance）.ipynb [137.1KB]

16.NLP-文本特征方法对比6 条

clean_data.csv [1.1M]
GoogleNews-vectors-negative300.bin [3.4G]
socialmedia_relevant_cols.csv [1.2M]
socialmedia_relevant_cols_clean.csv [1.2M]
socialmedia_relevant_cols_clean2.csv [1.2M]
自然语言处理方法对比.ipynb [1M]

17.使用word2vec分类任务1 条

word2vec.zip [84.6M]

word2vec1 条

word2vec.zip [32.6M]

.ipynb_checkpoints2 条

Feature Selector Usage-checkpoint.ipynb [433.5KB]
工具-checkpoint.ipynb [353.3KB]

__pycache__1 条

feature_selector.cpython-36.pyc [19.5KB]

data1 条

AirQualityUCI.csv [615.1KB]
caravan-insurance-challenge.csv [1.7M]
credit_example.csv [5.2M]

feature_selector2 条

__init__.py [46B]
feature_selector.py [27.9KB]

images1 条

工具.ipynb [396KB]

.ipynb_checkpoints1 条

Exploratory_Work-checkpoint.ipynb [1.4M]
机器学习项目实战-1-数据预处理-checkpoint.ipynb [1.2M]
机器学习项目实战-2-建模-checkpoint.ipynb [362KB]
机器学习项目实战-3-分析-checkpoint.ipynb [3.6M]

auto_ml1 条

tpot_exported_pipeline.py [1.3KB]

data7 条

cleaned_data.csv [6.4M]
Energy_and_Water_Data_Disclosure_for_Local_Law_84_2017__Data_for_Calendar_Year_2016_.csv [7.9M]
no_score.csv [373.3KB]
testing_features.csv [571.8KB]
testing_labels.csv [16.6KB]
training_features.csv [1.3M]
training_labels.csv [38.8KB]
X_test.csv [802.9KB]
X_train.csv [1.8M]
Y_test.csv [13.9KB]
Y_train.csv [32.3KB]

images41 集

annotated_individual_node.PNG [84.6KB]
correlation_examples.png [15.4KB]
cover_auto_ml.jpg [221.3KB]
cover_one.jpg [259.6KB]
cover_three.jpg [703.4KB]
cover_two.jpg [255KB]
data_formatted_with_score.PNG [22.5KB]
density_boroughs.png [108KB]
density_type.png [94.8KB]
df_info.PNG [41.2KB]
feature_importances.PNG [16.9KB]
feature_importances_graph.png [84KB]
feature_pairs.png [145.4KB]
formatted_train_data.PNG [41.4KB]
individual_node.png [7.2KB]
intrepretability_vs_accuracy.png [50.3KB]
kfold_cv.png [80.5KB]
lime_wrong_explanation.PNG [30.7KB]
local_explanation_one.png [92.5KB]
missing_values.PNG [23.5KB]
2016_nyc_benchmarking_data_disclosure_definitions.pdf [99KB]
Building Data Report.pdf [769.6KB]
hw_assignment.docx [13.9KB]
hw_assignment.pdf [12.4KB]
机器学习项目实战-1-数据预处理.ipynb [1.2M]
机器学习项目实战-2-建模.ipynb [318.2KB]
机器学习项目实战-3-分析.ipynb [3.6M]
1 数据特征.mp4 [236.1M]
2 GBDT提升算法【优质资源‖关注：cunWorkNotes 解锁】.mp4 [62.1M]
4 使用lightgbm进行饭店流【资源精选‖更多关注：CunworkNotes】.mp4 [105M]
5 人口普查数据集项目实战.mp4 [221.1M]
6 降维算法-线性判别分析.mp4 [82.5M]
7 贝叶斯优化及其工具包使用.mp4 [125.9M]
8 贝叶斯优化实战.mp4 [93.8M]
10 HMM隐马尔科夫模型.mp4 [117.2M]
11 HMM案例实战.mp4 [66.6M]
12 推荐系统.mp4 [71.6M]
13 音乐推荐系统实战【资源精选‖更多关注：CunworkNotes】.mp4 [208.4M]
14 基于统计分析的电影推荐.mp4 [233.2M]
16 NLP-文本特征方法对比.mp4 [140.9M]
17 使用word2vec分类任务.mp4 [156.2M]
20 机器学习项目实战-数据处.mp4 [195.6M]
21 机器学习项目实战-建模与.mp4 [154.6M]

适合人群

机器学习爱好者
有一定基础的学习者
希望进阶的从业者

🎯 学习收获

掌握高级机器学习算法
提升数据特征工程能力
解决实际机器学习问题

🎉 祝您学习愉快！