九天菜菜机器学习实战

聚焦树模型与特征工程的实战拆解

这门课不追求算法理论的数学推导，而是解决工程落地中最常见的两个痛点：如何正确理解并调优树模型，以及如何系统地进行特征工程。内容围绕决策树、CART、GBDT 等核心组件展开，重点讲解模型内部机制、参数选择逻辑以及结果的可解释性分析，帮助开发者从“调包侠”转变为能诊断模型问题的实践者。

适合有一定 Python 基础的学习者

前置要求是熟悉 Python 基本语法、NumPy 数据处理及 Pandas 操作，并了解线性回归、逻辑回归等基础分类/回归概念。无需掌握复杂的数学证明，但需要对过拟合、偏差-方差权衡有直观认知。课程节奏偏向实操，每章都配有代码演示，适合准备进入数据科学或算法岗、希望补全工程细节的开发者，而非纯理论研究者。

建议按“树模型→评估→特征工程”顺序学习

优先观看决策树建模流程、CART 回归树参数解释、GBDT 初始化与多分类部分，这部分直接决定模型骨架的正确性；随后学习模型解释与结果解读，掌握如何向业务方输出可解释结论；最后进入特征衍生、TF-IDF 词向量化、评分函数与特征筛选模块，将特征工程从“凭直觉”升级为“有依据”。时间序列滚动交叉验证部分可作为进阶补充，用于处理带时间维度的预测任务。

学完能独立完成什么？

学完后你可以独立搭建一个从数据清洗、特征构造、模型训练到效果评估的完整流水线，能解释 GBDT 每轮迭代在做什么，能判断 bagging 与 boosting 在特定场景下的适用性，并能用 TF-IDF 与自定义评分函数筛选高价值特征。对于业务项目，这意味着你不再依赖黑盒输出，而是能定位性能瓶颈并针对性优化。

资料如何配合练习？

视频中的代码片段建议边看边敲，尤其注意 sklearn 中评估器参数的实际行为与文档描述的差异。特征衍生部分可结合自己的数据集复现，替换课程中的示例数据，验证不同工程策略对指标的影响。时间序列部分需安装 pmdarima 并构造含噪声的时序数据，练习滚动交叉验证的实现细节。整个学习过程强调“改参数—看结果—归因”的闭环，而非一次性跑通 demo。