资源详情
├第01课.机器学习解决问题综述课.mp4
├第03课_kaggle案例实战班.mp4
├第04课_kaggle案例实战班.mp4
├第05课_kaggle案例实战班.mp4
├第06课_kaggle案例实战班.mp4
├第07课_kaggle案例实战班.mp4
├第08课_kaggle案例实战班.mp4
├第二节.mp4
├<代码>
│ ├
│ │ ├blending.py
│ │ ├cs228-python-tutorial.ipynb
│ │ ├Feature_engineering_and_model_tuning.zip
│ │ ├
│ │ │ ├
│ │ │ │ ├Feature Engineering.ipynb
│ │ │ │ ├Test.csv
│ │ │ │ ├test_modified.csv
│ │ │ │ ├Train.csv
│ │ │ │ ├train_modified.csv
│ │ │ │ ├XGBoost models tuning.ipynb
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ ├Feature Engineering-checkpoint.ipynb
│ │ │ │ │ └XGBoost models tuning-checkpoint.ipynb
│ │ │ ├
│ │ │ │ ├test.csv
│ │ │ │ ├Titanic.ipynb
│ │ │ │ ├train.csv
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ └Titanic-checkpoint.ipynb
│ │ │ ├
│ │ │ │ ├Kaggle_Bicycle_Example.ipynb
│ │ │ │ ├kaggle_bike_competition_train.csv
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ └Kaggle_Bicycle_Example-checkpoint.ipynb
│ │ │ │ ├
│ │ │ │ │ ├Kaggle_Bicycle_Example_34_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_42_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_43_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_44_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_45_0.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_46_1.png
│ │ │ │ │ ├Kaggle_Bicycle_Example_47_1.png
│ │ │ │ │ └Kaggle_Bicycle_Example_49_1.png
│ ├
│ │ ├
│ │ │ ├data_description.txt
│ │ │ ├<_ipynb_checkpoints>
│ │ │ ├
│ │ │ │ ├sample_submission.csv
│ │ │ │ ├test.csv
│ │ │ │ └train.csv
│ │ │ ├
│ │ │ │ ├house_price.html
│ │ │ │ ├house_price.ipynb
│ │ │ │ ├house_price_advanced.html
│ │ │ │ ├house_price_advanced.ipynb
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ ├house_price_advanced-checkpoint.ipynb
│ │ │ │ │ └house_price-checkpoint.ipynb
│ │ ├
│ │ │ ├<_ipynb_checkpoints>
│ │ │ ├
│ │ │ │ ├Combined_News_DJIA.csv
│ │ │ │ ├DJIA_table.csv
│ │ │ │ └RedditNews.csv
│ │ │ ├
│ │ │ │ ├news_stock.html
│ │ │ │ ├news_stock.ipynb
│ │ │ │ ├<.ipynb_checkpoints>
│ │ │ │ │ └news_stock-checkpoint.ipynb
│ ├
│ │ ├A危azu-CTR-Prediction-LR.zip
│ │ ├feature.search
│ │ ├feature.search_ads
│ │ ├feature_map.search_ads
│ │ ├generate_train_feature_mapper.py
│ │ ├generate_train_feature_reducer.py
│ │ ├kaggle-A危azu-rank1.zip
│ │ ├kaggle-A危azu-rank2.zip
│ │ ├search_ads_feature.sample
│ │ ├search_click_data.sample
│ │ ├Spark-Criteo-CTR-Prediction.ipynb
│ │ └xgb_ads.conf
│ ├
│ │ ├
│ │ ├
│ │ │ ├news_stock.html
│ │ │ ├news_stock_advanced.html
│ │ │ ├search relevance.ipynb
│ │ │ ├search relevance_advanced.ipynb
│ │ │ ├search+relevance.html
│ │ │ ├search+relevance_advanced.html
│ │ │ ├<.ipynb_checkpoints>
│ │ │ │ ├search relevance_advanced-checkpoint.ipynb
│ │ │ │ └search relevance-checkpoint.ipynb
│ ├
│ │ ├energy_forecasting_notebooks.zip
│ │ └subway_prediction_notebook.zip
│ ├
│ │ ├cat_dog.html
│ │ ├char_rnn.html
│ │ ├image_search.html
│ │ ├Kaggle第06课：走起~深度学习.pdf
│ │ ├Kaggle第06课：走起~深度学习.pptx
│ │ ├news_stock_advanced.html
│ │ ├word_rnn.html
│ │ ├
│ │ │ ├chi_square.png
│ │ │ └RGBHistogram.jpg
│ │ ├<猫狗的数据>
│ │ │ ├cats-vs-dogs.txt
│ │ │ ├sample_submission.csv
│ │ │ ├test.zip
│ │ │ └train.zip
│ ├
│ │ ├data.zip
│ │ ├Kaggle event recommendation competition.ipynb
│ │ ├kaggle-event-recommendation-rank1.zip
│ │ └Rossmann_Store_Sales_competition.ipynb
│ ├
│ │ └PPD_RiskControl_Competition.zip
├<课件>
│ ├Kaggle第05课：能源预测与分配问题.pdf
│ ├Kaggle第06课：走起~深度学习.pdf
│ ├Kaggle第06课：走起~深度学习.pptx
│ ├
│ │ ├Kaggle第01课：机器学习算法、工具与流程概述.pdf
│ │ └分享的链接.txt
│ ├
│ │ └Kaggle第02课：经济金融相关问题.pdf
│ ├
│ │ ├kaggle-2014-criteo.pdf
│ │ ├kaggle-A危azu.pdf
│ │ ├predicting-clicks-facebook.pdf
│ │ ├阿里妈妈：大数据下的广告排序技术及实践.pdf
│ │ ├百度凤巢：DNN在凤巢CTR预估中的应用.pdf
│ │ ├从FM到FFM.pdf
│ │ ├第3课--排序与CTR预估.pdf
│ │ ├京东电商广告和推荐系统的机器学习系统实践.pdf
│ │ └腾讯广点通：效果广告中的机器学习技术.pdf
│ ├
│ │ └Kaggle第四课.pdf
│ ├
│ │ └第5课：能源预测与分配问题.pdf
│ ├
│ │ └第7课：推荐与销量预测相关问题.pdf
│ ├
│ │ ├第8课：金融风控问题.pdf
│ │ └金融风控大赛解决方案.pdf
