发文章
发文工具
撰写
网文摘手
文档
视频
思维导图
随笔
相册
原创同步助手
其他工具
图片转文字
文件清理
AI助手
留言交流
“数据分享|python分类预测职员离职:逻辑回归、梯度提升、随机森林、XGB、CatBoost、LGBM交叉验证可视化” 的更多相关文章
CatBoost：专治类别型特征的Boosting算法
机器学习算法基础（使用Python代码）
聊聊机器学习中的那些树
sklearn入门教程：监督学习流程与线性分类器
精通机器学习必须掌握的20大算法
梯度提升树：集成学习的强有力竞争者
数据挖掘：基于R语言的实战 | 第9章：基于决策树的模型组合
机器学习-集成学习-boosting-catboost原理
随机森林中的out of bag error
机器学习（别人整理的）
深度学习中的对抗性攻击都有哪些？怎么防御？
算法工程师养成记（附精选面试题）
如果你不了解机器学习的简史，请看这篇文章
笔记︱决策树族
最流行的用于预测的机器学习算法简介及其优缺点说明
Py之eli5：eli5库的简介、安装、使用方法之详细攻略
【领域报告】小样本学习年度进展|VALSE2018
boosting方法(Adaboost,GBDT)
【干货】Python机器学习项目实战2——模型选择，超参数调整和评估（附代码）
Boosting算法（提升法)
机器学习中的数学(3)
深度学习的过往
2020年还需要阅读的10篇人工智能论文（附链接）
人工智能对抗攻防技术综述
深度学习六十问！一位算法工程师经历30+场CV面试后总结的常见问题合集下篇（含答案）
深度学习：技术原理、迭代路径与局限
Yoshua Bengio等大神传授：26条深度学习经验
数据科学家必备技能Top10
利用基于局部梯度更新规则的伪元胞自动机进行数据挖掘
从零开始：用Python搭建神经网络
