原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
分类与预测分析;目录;什么是分类分析;分类的基本类型;预测分析概述;监督学习vs无监督学习;数据建模流程;训练集与测试集;特征选择与降维;经典分类算法概览;线性判别分析（LDA）简介;LDA数学基础;LDA算法流程;逻辑回归（LogisticRegression）;逻辑回归建模过程;决策树（DecisionTree）基础;决策树的构建流程;决策树优缺点;贝叶斯分类器简介;朴素贝叶斯算法步骤;贝叶斯分类优缺点;K近邻算法（KNN）;KNN优缺点;支持向量机（SVM）介绍;SVM算法步骤;神经网络基础;深度学习与分类;神经网络优势与挑战;集成学习方法;随机森林算法原理;集成方法的优缺点;分类模型评价指标;混淆矩阵详解;ROC与AUC曲线;交叉验证方法;分类模型调参;分类建模实战流程;案例一：垃圾邮件识别;垃圾邮件识别结果;案例二：客户流失预测;客户流失预测建模;案例三：手写数字识别;手写数字识别结果;金融风控中的应用;医疗健康中的应用;电商推荐与个性化;分类与预测的最新趋势;工业界落地挑战;分类与预测分析未来展望;总结与答疑
文档评论（0）