B站《九天-机器学习实战冲刺班三期》是一套面向机器学习入门到进阶学习者的系统化实战课程，主打“短周期冲刺 + 项目驱动学习”，帮助学员在较短时间内建立完整的机器学习知识体系，并具备独立完成项目的能力。课程通常由B站技术UP主“九天”主讲，内容偏工程实战而非纯理论讲解。
课程前期会从基础概念入手，系统讲解机器学习的核心流程，包括数据预处理、特征工程、模型训练与评估等关键环节。重点算法如线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）等都会逐一讲解，并结合代码实现，让学习者理解“算法原理 + 工程落地”的完整路径。
在技术实现方面，课程主要基于 Python 生态展开，结合 scikit-learn 进行模型训练与调用，同时可能涉及 Pandas 和 NumPy 用于数据处理与数值计算。这种组合能够覆盖绝大多数机器学习工程中的基础需求。
在实战部分，课程会通过多个典型项目进行训练，例如房价预测、用户行为分析、分类问题建模等。通过完整项目流程，学员可以学习如何从原始数据出发，完成清洗、特征构建、模型选择、调参优化以及最终评估，从而具备独立完成小型数据科学项目的能力。
进阶内容通常还会涉及模型优化技巧，如交叉验证、网格搜索、特征重要性分析等，同时也可能引入集成学习思想，帮助提升模型效果。此外，课程还会强调工程思维，例如如何避免过拟合、如何处理数据不平衡问题等实际难点。
总体来看，该课程以“快速掌握 + 项目实战”为核心目标，适合有一定编程基础但缺乏系统机器学习训练的学习者。通过冲刺式学习，学员可以在较短时间内建立机器学习工程能力，为后续深入学习深度学习或数据科学方向打下基础。
课程目录：
📁 课件资料
课件资料资料.zip [1.8 MB]
课件资料.exe [419.6 MB]
【特征工程】Part 2.2 数据重编码：O.mp4 [138.6 MB]
【特征工程】Part 3.2.15 时间序列分析.mp4 [186.6 MB]
LESSON13.1.1 XGBoost的基本思想.mp4 [240.9 MB]
【特征工程】Part 3.2.4 多项式特征衍.mp4 [111.5 MB]
LESSON 6.2 Scikit-Learn常用方法速通.mp4 [814.8 MB]
LESSON 4.6 逻辑回归的手动实现方法（上）.mp4 [384.5 MB]
LESSON 3.2 数据生成器与Python模块编写.mp4 [577.0 MB]
【特征工程】Part 3.2.14 时序特征衍生.mp4 [128.0 MB]
【电信用户流失】Part 2.12 决策树模.mp4 [144.6 MB]
LESSON13.1.4 实现XGBoost分类：目标函数.mp4 [275.5 MB]
LESSON 4.4 随机梯度下降与小批量梯度下降（上）.mp4 [1.0 GB]
LESSON 13.4.1 XGBoost的基本数学流程.mp4 [217.8 MB]
【电信用户流失】Part 2.9自定义sklea.mp4 [240.7 MB]
LESSON 10.7 基于HyperOpt实现TPE优化.mp4 [348.5 MB]
LESSON 7.2 Mini Batch K-Means与DBSCAN聚类.mp4 [683.3 MB]
LESSON 10.4 贝叶斯优化的基本流程.mp4 [413.2 MB]
【电信用户流失】Part 1.2 数据字段解.mp4 [92.6 MB]
【特征工程】Part 1.3 字段类型转化与.mp4 [206.9 MB]
LESSON 8.1 决策树模型的核心思想与建.mp4 [808.7 MB]
【特征工程】Part 2.4 特征变换：数据.mp4 [57.8 MB]
LESSON 6.4 机器学习调参入门.mp4 [957.8 MB]
LESSON 13.3.1 XGBoost的参数空间.mp4 [295.4 MB]
LESSON 6.6.1多分类评估指标的macro与we.mp4 [181.2 MB]
LESSON 4.5 梯度下降优化基础：数据归一化与学习率调度（下）.mp4 [796.3 MB]
【特征工程】Part 3.1.6 基于数据探索.mp4 [45.8 MB]
【特征筛选】Part 3.3.10 互信息法特征.mp4 [188.4 MB]
【特征工程】Part 3.2.22 关键特征衍生.mp4 [155.1 MB]
LESSON 2 矩阵运算基础、矩阵求导与最小二乘法1.mp4 [549.0 MB]
【特征筛选】Part 3.3.5 方差分析与特.mp4 [231.8 MB]
LESSON 10.1 开篇：超参数优化与枚举网.mp4 [208.1 MB]
LESSON12.9 原理进阶 (2)：拟合伪残差的.mp4 [314.9 MB]
【实战技巧】Part 4.1 海量特征衍生与 (下).mp4 [226.8 MB]
LESSON 9.3 随机森林回归器的参数.mp4 [387.3 MB]
LESSON 6.5（上）机器学习调参基础理.mp4 [367.8 MB]
LESSON 13.3.2 XGBoost基于TPE的调参.mp4 [198.2 MB]
LESSON 6.5（下）Scikit-Learn中网格搜索.mp4 [611.6 MB]
【特征筛选】Part 3.3.7 离散变量之间.mp4 [297.8 MB]
【特征工程】Part 3.2.20 分组统计高阶.mp4 [248.8 MB]
【实战技巧】Part 4.0第四部分导学.mp4 [53.6 MB]
【特征工程】Part 3.2.24 特征衍生实战.mp4 [366.8 MB]
【特征工程】Part 3.2.1 单变量特征衍.mp4 [212.1 MB]
LESSON 4.3 梯度下降基本原理与手动实现(上).mp4 [858.2 MB]
LSEEON 9.2 随机森林回归器的实现.mp4 [208.8 MB]
【特征筛选】Part 3.3.11 feature_importan.mp4 [312.4 MB]
LESSON12.7 梯度提升树的参数空间与TP.mp4 [444.5 MB]
LESSON 6.3 （上）正则化、过拟合抑制.mp4 [1.1 GB]
【电信用户流失】Part 1.6 数据探索性.mp4 [94.1 MB]
LESSON 3.4 机器学习模型可信度理论与交叉验证基础.mp4 [706.3 MB]
LESSON 2 矩阵运算基础、矩阵求导与最小二乘法3.mp4 [1.1 GB]
【特征工程】Part 3.2.7 多变量分组统.mp4 [156.1 MB]
LESSON 9.5 随机森林在巨量数据上的增.mp4 [351.5 MB]
【特征工程】Part 2.6 连续变量分箱：.mp4 [104.5 MB]
LESSON13.2.2 目标函数及其相关参数.mp4 [249.8 MB]
【实战技巧】Part 4.2 网格搜索超参数（下）.mp4 [362.1 MB]
LESSON 11.3 AdaBoost的参数（下）：实践.mp4 [264.5 MB]
LESSON 5.2 混淆矩阵与F1-Score.mp4 [1.2 GB]
LESSON13.1.3 实现XGBoost回归：xgb原生代.mp4 [202.7 MB]
LESSON 7.1（上）无监督学习与K-Means基.mp4 [886.3 MB]
【特征工程】Part 3.2.11 时序特征分析.mp4 [198.7 MB]
LESSON 4.3 梯度下降基本原理与手动实现（下）.mp4 [567.3 MB]
LESSON 8.3【加餐】ID3和C4.5的基本原理.mp4 [516.5 MB]
【特征工程】Part 3.2.9 多变量多项式.mp4 [181.8 MB]
【特征工程】Part 3.1.4 基于数据探索.mp4 [148.3 MB]
LESSON12.6 袋外数据与其他参数.mp4 [220.9 MB]
LESSON 9.1 集成算法开篇：Bagging方法的.mp4 [233.4 MB]
LESSON 0 前言与导学（上）.mp4 [507.9 MB]
LESSON 3 线性回归的手动实现.mp4 [53.6 MB]
【实战技巧】Part 4.1 海量特征衍生与筛选（上）.mp4 [168.6 MB]
【特征工程】Part 2.1数据重编码：Or.mp4 [119.9 MB]
LESSON 4.5 梯度下降优化基础：数据归一化与学习率调度（上）.mp4 [1.1 GB]
LESSON 8.2（上）CART分类树的建模流.mp4 [746.0 MB]
【特征筛选】Part 3.3.2 评分函数与特.mp4 [216.8 MB]
【特征筛选】Part 3.3.3 假设检验基本.mp4 [157.2 MB]
【特征筛选】Part 3.3.0 特征筛选技术.mp4 [138.5 MB]
【特征筛选】Part 3.3.14 特征筛选方法.mp4 [284.1 MB]
LESSON 10.2 随机网格搜索（上）.mp4 [404.3 MB]
【特征工程】Part 3.2.23特征衍生实战.mp4 [332.1 MB]
【特征工程】Part 3.2.5 统计演变特.mp4 [119.7 MB]
LESSON 5.3 ROC-AUC的计算方法、基本原理.mp4 [1.2 GB]
LESSON 10.6 基于BayesOpt实现高斯过程gp.mp4 [363.2 MB]
【特征筛选】Part 3.3.8 连续变量与离.mp4 [328.4 MB]
【特征工程】Part 2.3 转化器流水线：.mp4 [128.1 MB]
LESSON 13.4.2 化简XGBoost的目标函数.mp4 [188.6 MB]
LESSON12.8 原理进阶 (1)：GBDT数学流程.mp4 [313.7 MB]
LESSON 6.6.2 GridSearchCV的进阶使用方.mp4 [202.1 MB]
LESSON 10.2 随机网格搜索（下）.mp4 [247.6 MB]
【特征工程】Part 3.2.18 NLP特征衍生函.mp4 [210.1 MB]
LESSON 6.1Scikit-Learn快速入门.mp4 [1.1 GB]
【特征工程】Part 3.2.25 特征衍生实战.mp4 [368.9 MB]
LESSON 4.6 逻辑回归的手动实现方法（下).mp4 [803.5 MB]
LESSON 12.1 梯度提升树的基本思想与实.mp4 [331.8 MB]
【特征工程】Part 3.2.2 四则运算衍生.mp4 [162.3 MB]
LESSON 1 机器学习基本概念与建模流程（下）.mp4 [873.0 MB]
LESSON 8.4 CART回归树的建模流程与skle.mp4 [611.0 MB]
LESSON 12.2 迭代过程中的参数(1)：GBDT.mp4 [334.7 MB]
【电信用户流失】Part 1.1 业务背景与.mp4 [208.4 MB]
LESSON 0 前言与导学（下）.mp4 [665.7 MB]
LESSON 12.3 迭代过程中的参数(2)：GBDT.mp4 [230.0 MB]
【特征工程】Part 1.4 异常值检测.mp4 [67.5 MB]