思维导图备注

Python预测分析实战
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

5.6 随机森林

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2025-03-25 07:31:55
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 内容提要
  • 前言
  • 本书的目标读者
  • 本书的主要内容
  • 审阅者简介
  • 译者简介
  • 作者简介
  • 第1章 预测分析过程
  • 1.1 技术要求
  • 1.2 什么是预测分析
  • 1.3 回顾预测分析的重要概念
  • 1.4 预测分析过程
  • 1.5 Python数据科学栈概述
  • 1.6 小结
  • 扩展阅读
  • 第2章 理解问题和准备数据
  • 2.1 技术要求
  • 2.2 理解业务问题并提出解决方案
  • 2.3 实践项目——钻石的价格
  • 2.4 实践项目——信用卡违约
  • 2.5 小结
  • 扩展阅读
  • 第3章 理解数据集——探索性数据分析
  • 3.1 技术要求
  • 3.2 什么是EDA
  • 3.3 一元EDA
  • 3.4 二元EDA
  • 3.5 图形化的多元EDA
  • 3.6 小结
  • 扩展阅读
  • 第4章 基于机器学习的数值预测
  • 4.1 技术要求
  • 4.2 机器学习简介
  • 4.3 建模之前的实际考虑
  • 4.4 多元线性回归
  • 4.5 LASSO回归
  • 4.6 kNN
  • 4.7 训练与测试误差
  • 4.8 小结
  • 扩展阅读
  • 第5章 基于机器学习的分类预测
  • 5.1 技术要求
  • 5.2 分类任务
  • 5.3 信用卡违约数据集
  • 5.4 逻辑回归
  • 5.5 分类树
  • 5.6 随机森林
  • 5.7 训练误差对测试误差
  • 5.8 多元分类
  • 5.9 朴素贝叶斯分类器
  • 5.10 小结
  • 扩展阅读
  • 第6章 面向预测分析的神经网络简介
  • 6.1 技术要求
  • 6.2 引入神经网络模型
  • 6.3 TensorFlow和Keras简介
  • 6.4 基于神经网络的回归
  • 6.5 基于神经网络的分类
  • 6.6 训练神经网络模型的“黑暗艺术”
  • 6.7 小结
  • 扩展阅读
  • 第7章 模型评价
  • 7.1 技术要求
  • 7.2 回归模型的评价
  • 7.3 评价分类模型
  • 7.4 k折交叉验证
  • 7.5 小结
  • 扩展阅读
  • 第8章 调整模型和提高性能
  • 8.1 技术要求
  • 8.2 超参数调整
  • 8.3 提高性能
  • 8.4 小结
  • 第9章 基于Dash的模型实现
  • 9.1 技术要求
  • 9.2 模型沟通和或部署阶段
  • 9.3 Dash简介
  • 9.4 将预测模型实现为网络应用程序
  • 9.5 小结
  • 扩展阅读
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《Python预测分析实战》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度