理解深度学习： 第六章 训练模型

超强，必会的机器学习评估指标

最优化问题概述(有约束vs无约束, 离散vs连续, 确定性vs随机性, 凸vs非凸)

什么是因果推断的“黄金标准”？

介绍两种常见的降维方法 PCA 和 t-SNE

机器学习模型性能的10个指标

一文带您了解交叉验证(Cross-Validation):数据科学家必须掌握的7种交叉验证技术

万字因果推断入门：为什么要做因果推断？

机器学习最优化算法总结！！

机器学习降维算法汇总！

机器学习中的最优化算法总结

综述：机器学习中的模型评价、模型选择与算法选择！

三个主要降维技术对比介绍：PCA, LCA,SVD

特征提取：传统算法 vs 深度学习

对比损失思想设计loss function的方法。

数据降维算法大全

Python中进行特征重要性分析的9个常用方法

手把手教你使用SHAP（机器学习模型解释工具）

SHAP，揭开机器学习预测背后的魔力

SHAP模型解释三部曲之相识篇