此处写的粗糙，后续会分别细写。 1. 特征工程 采集+业务理解 预处理+拆分 数据增强 2. 核心模型 独立模型 经典统计：分类（有无监督），回归，时序 神经网络（层次模型）：DNN，CNN，RNN，强化，迁移，GANs 知识图谱（概率图模型）：Bayesian，Markov 混合模型 Bagging：RandomForest Boosting：GBDT，XGBoost 3. 调参策略 评估 调优 Previous Python使用入门 Next 特征工程流程入门 CATALOG FEATURED TAGS 数据科学 商业分析 生命体验 知识规划 资源分配 金融量化 区块链 大数据 智能营销 虚拟币 财产安排 赌场经营 金融数据
