• Road to Machine Learning
  • 1 机器学习入门指南（极简版）
    • 1.1 Python
      • 1.1.1 Python——书
      • 1.1.2 Python——教程
      • 1.1.3 Python——视频
    • 1.2 机器学习
      • 1.2.1 机器学习——书
      • 1.2.2 机器学习——教程
      • 1.2.3 机器学习——视频
      • 1.2.4 机器学习——数学基础
    • 1.3 一些经验和建议
  • 2 Python基础
    • 2.1 Python
      • 2.1.1 Python学习教程/方法
      • 2.1.2 Python基础系列
      • 2.1.3 Python库
    • 2.2 Numpy
    • 2.3 Pandas
    • 2.4 Matplotlib
    • 2.5 Python数据可视化
    • 2.6 环境和IDE
      • 2.6.1 如何选择IDE
      • 2.6.2 PyCharm
      • 2.6.3 VSCode
      • 2.6.4 Spyder&Jupyter
    • 2.7 如何阅读 Python 开源项目代码?
    • 2.8 其他（待分类）
  • 3 数学基础
    • 3.1 数学学习误区
    • 3.2 机器学习与数学
    • 3.3 统计学
    • 3.4 概率论
    • 3.5 微积分
    • 3.6 线性代数
    • 3.7 优化
  • 4 机器学习基础
    • 4.1 机器学习总览
    • 4.2 机器学习的局限
    • 4.3 数据清理和格式化
    • 4.4 探索性数据分析
    • 4.5 特征工程和特征选择
    • 4.6 性能指标
    • 4.7 优化方法
    • 4.8 超参数调整
    • 4.9 评估最佳模型
    • 4.10 机器学习资源推荐
    • 4.11 面试&竞赛经验
    • 4.12 机器学习的书怎么读？
      • 4.12.1 统计学习方法
      • 4.12.2 西瓜书
    • 4.13 机器学习工具
    • 4.14 其他
  • 5 机器学习模型
    • 5.1 掌握机器学习算法的三重境界
    • 5.2 100天搞定机器学习系统（连载中）
    • 5.3 回归
    • 5.4 逻辑回归
    • 5.5 决策树
    • 5.6 主成分分析
    • 5.7 随机森林
    • 5.8 XGBoost
    • 5.9 聚类
    • 5.10 贝叶斯
    • 5.11 SVM
    • 5.12 降维
    • 5.13 其他
    • 5.14 学习方法
  • 6 机器学习项目实战
    • 6.1 数据分析篇
    • 6.2 机器学习篇
    • 6.3 深度学习
    • 6.4 其他
  • 7 深度学习基础
    • 7.1 入门教程
    • 7.2 神经网络
    • 7.3 深度学习
    • 7.4 资源推荐
    • 7.5 其他
  • 8 工具和框架篇
    • 8.1 常见框架
    • 8.2 sklearn
      • 8.2.1 如何正确地实用sklearn
      • 8.2.2 sklearn入门及技巧篇
    • 8.3 TensorFlow VS PyTorch
      • 8.3.1 安装问题
    • 8.4 Tensorflow
    • 8.5 Pytorch
      • 8.5.1 Pytorch教程
      • 8.5.2 Pytorch安装与使用
    • 8.6 其他
  • 9 开源项目推荐
  • 10 免费资料下载
    • 10.1 Python
    • 10.2 机器学习
    • 10.3 深度学习
    • 10.4 其他
    • 10.5 数据集
    • 10.6 R
  • 11 机器学习论文
    • 11.1 如何高效读论文？
    • 11.2 机器学习、AI必读论文
    • 11.3 深度学习必读论文
  • 12 杂谈
    • 12.1 数学的故事
    • 12.2 统计学
    • 12.3 大厂技术观察
    • 12.4 程序人生
    • 12.5 效率工具
    • 12.6 其他
  • 13 联系作者
  • 本书由 bookdown 强力驱动

R2ML

第 6 章 机器学习项目实战

6.1 数据分析篇

COVID-19数据分析实战：数据清洗篇

COVID-19数据分析实战：统计分析及可视化

COVID-19数据分析实战：WordCloud 词云分析

COVID-19数据分析实战：用Python绘制动态排名视频

Python数据分析实战：用Pandas 处理时间序列

Python数分实战 | 玩转百万级游戏数据（附练手源数据）

6.2 机器学习篇

随机森林调参实战（信用卡欺诈预测）

多分类机器学习中数据不平衡的处理（NSL-KDD 数据集+LightGBM)

万字案例 | 用Python建立客户流失预测模型（含源数据+代码）

干货 | 基于 Python 的信用评分模型实战！

6.3 深度学习

深度学习训练过程可视化（附github源码）

实战系列: 使用 PyTorch 检测人脸特征点

6.4 其他

用AI炒股：如何使用强化学习建立可盈利的算法交易系统

卧槽，我学会了用Python预测股票价格

用Python让特朗普和蒙娜丽莎深情合唱《Unravel》

Python爬取虎牙直播颜值区美女主播照片

5行Python就能爬取 3000+ 上市公司的信息？

一篇文章教会你用Python抓取抖音app热点数据

从未这样玩过！第一次使用 Python 分析 14 亿条数据