数据分析
- 二叉树、平衡二叉树、红黑树、B树、B+树与B*树
- 天池数据挖掘比赛 - 二手车交易价格预测
- k均值聚类分析在客户分类中的应用
- [翻译]处理样本不均衡的8个方法
- 深度学习模型处理多标签（multi_label）分类任务——ke
- Scrapy-redis的两种分布式爬虫的实现
- 读书笔记-sklearn笔记
- 机器学习的数学基础
- 基于Text-CNN模型的中文文本分类实战
- 《Sklearn 与 TensorFlow 机器学习实用指南》
- 第8章 降维
- 第1章 机器学习概览
- 如何用Python处理自然语言？（Spacy与Word Embe
- 【转】聚类算法——Kmeans算法
- （二）假设检验之——T检验
- Markdown数学公式语法
- GBDT、XGBoost、LightGBM 的使用及参数调优
- 中文文本分类对比（经典方法和CNN）
- 22、pandas的分组取最大多行并求和函数nlargest()
- 网贷平台Prosper2005~2014贷款数据分析（二）
- 15、pandas的设置数字格式，小数位数、百分号、千位分隔符
- 基于Python的信用评分卡模型分析（二）
- 基于Python的信用评分卡模型分析（一）
- 时间序列模型(ARIMA)
- 机器学习之特征工程
- LightGBM学习
- 机器学习实战-数据探索(异常值处理)
- 使用python抓取豆瓣top250电影数据进行分析
- 各种机器学习的应用场景分别是什么？例如，k近邻,贝叶斯，决策树，
- 机器学习之特征工程-特征选择
- sklearn中的集成模型
- 使用python机器学习六（scikit-learn实战）
- 用深度学习（CNN RNN Attention）解决大规模文本分
- Python 数据科学手册 5.6 线性回归
- 浅谈 GBDT
- 机器学习经验总结之XGBoost
- 搜狐新闻文本分类：机器学习大乱斗
- 数据科学入门，使用 xgboost 初试 kaggle
- 解决：win10_x64 xgboost python安装失败错
- (大)数据分析：豆瓣电影分析报告【1】
- Scikit-learn使用总结
- 提供推荐（集体智慧） —— 使用MovieLens数据为用户推荐
是的，数据分析
