分类： machine-leaning-articles-zh

S21L01 – 贝叶斯定理

S21L02 – 似然与概率，正态分布

S21L03 – 多项式朴素贝叶斯

S21L04 – 对数刻度

S21L05 – 高斯朴素贝叶斯

S21L06 – 基于 Python 的高斯朴素贝叶斯

S22L01 – 欧拉数

S22L02 – 平衡数据与不平衡数据

S23L01 – 支持向量机：一维数据入门

S23L02 – 支持向量机，映射到更高维度

S23L03 – 支持向量机，在二维空间

S23L04 – 使用 Python 实现 SVM

S24L01 – 决策树与随机森林

S25L01 – AdaBoost 和 XGBoost 分类器

S26L01 – 准确性，不那么准确

S26L02 – 混淆矩阵

S26L03 – 准确率、精确率、召回率、特异性、F1分数

S26L04 – 三维混淆矩阵

S27L01 – 分类模型主模板

S27L02 – 分类模型主模板

S28L01 – 使用 GridSearchCV 更新的模板

S28L02 – 随机搜索交叉验证

S29L01 – ROC、AUC 和 PR 曲线背景

S29L02 – ROC，AUC – 评估最佳模型

S29L03 – ROC，AUC – 计算最佳阈值（尤登方法）