打字猴:1.700497554e+09
1700497554 9.2.2 7.2.2 从建模的技术思路上优化 [:1700499777]
1700497555 9.2.3 7.2.3 从建模的技术技巧上优化 [:1700499793]
1700497556 9.3 7.3 如何思考优化的限度 [:1700499805]
1700497557 9.4 7.4 模型效果评价的主要指标体系 [:1700499817]
1700497558 9.4.1 7.4.1 评价模型准确度和精度的系列指标 [:1700499822]
1700497559 9.4.2 7.4.2 ROC曲线 [:1700499896]
1700497560 9.4.3 7.4.3 KS值 [:1700499915]
1700497561 9.4.4 7.4.4 Lift值 [:1700499953]
1700497562 9.4.5 7.4.5 模型稳定性的评估 [:1700499997]
1700497563 10 第8章 常见的数据处理技巧 [:1700500009]
1700497564 10.1 8.1 数据的抽取要正确反映业务需求 [:1700500039]
1700497565 10.2 8.2 数据抽样 [:1700500057]
1700497566 10.3 8.3 分析数据的规模有哪些具体的要求 [:1700500079]
1700497567 10.4 8.4 如何处理缺失值和异常值 [:1700500095]
1700497568 10.4.1 8.4.1 缺失值的常见处理方法 [:1700500100]
1700497569 10.4.2 8.4.2 异常值的判断和处理 [:1700500120]
1700497570 10.5 8.5 数据转换 [:1700500140]
1700497571 10.5.1 8.5.1 生成衍生变量 [:1700500155]
1700497572 10.5.2 8.5.2 改善变量分布的转换 [:1700500177]
1700497573 10.5.3 8.5.3 分箱转换 [:1700500207]
1700497574 10.5.4 8.5.4 数据的标准化 [:1700500223]
1700497575 10.6 8.6 筛选有效的输入变量 [:1700500244]
1700497576 10.6.1 8.6.1 为什么要筛选有效的输入变量 [:1700500251]
1700497577 10.6.2 8.6.2 结合业务经验进行先行筛选 [:1700500273]
1700497578 10.6.3 8.6.3 用线性相关性指标进行初步筛选 [:1700500283]
1700497579 10.6.4 8.6.4 R平方 [:1700500312]
1700497580 10.6.5 8.6.5 卡方检验 [:1700500363]
1700497581 10.6.6 8.6.6 IV和WOE [:1700500381]
1700497582 10.6.7 8.6.7 部分建模算法自身的筛选功能 [:1700500434]
1700497583 10.6.8 8.6.8 降维的方法 [:1700500446]
1700497584 10.6.9 8.6.9 最后的准则 [:1700500456]
1700497585 10.7 8.7 共线性问题 [:1700500468]
1700497586 10.7.1 8.7.1 如何发现共线性 [:1700500475]
1700497587 10.7.2 8.7.2 如何处理共线性 [:1700500493]
1700497588 11 第9章 聚类分析的典型应用和技术小窍门 [:1700500509]
1700497589 11.1 9.1 聚类分析的典型应用场景 [:1700500537]
1700497590 11.2 9.2 主要聚类算法的分类 [:1700500555]
1700497591 11.2.1 9.2.1 划分方法 [:1700500560]
1700497592 11.2.2 9.2.2 层次方法 [:1700500572]
1700497593 11.2.3 9.2.3 基于密度的方法 [:1700500586]
1700497594 11.2.4 9.2.4 基于网格的方法 [:1700500594]
1700497595 11.3 9.3 聚类分析在实践应用中的重点注意事项 [:1700500602]
1700497596 11.3.1 9.3.1 如何处理数据噪声和异常值 [:1700500607]
1700497597 11.3.2 9.3.2 数据标准化 [:1700500625]
1700497598 11.3.3 9.3.3 聚类变量的少而精 [:1700500642]
1700497599 11.4 9.4 聚类分析的扩展应用 [:1700500660]
1700497600 11.4.1 9.4.1 聚类的核心指标与非聚类的业务指标相辅相成 [:1700500665]
1700497601 11.4.2 9.4.2 数据的探索和清理工具 [:1700500679]
1700497602 11.4.3 9.4.3 个性化推荐的应用 [:1700500697]
1700497603 11.5 9.5 聚类分析在实际应用中的优势和缺点 [:1700500707]
[ 上一页 ]  [ :1.700497554e+09 ]  [ 下一页 ]