# SUMMARY

* [简介](./README.md)
* [开篇词｜开发者为什么要从实战出发学机器学习？](./docs/413037.md)
* [01｜打好基础：到底什么是机器学习？](./docs/413057.md)
* [02｜工具准备：安装并使用Jupyter Notebook](./docs/413648.md)
* [03｜实战5步（上）：怎么定义问题和预处理数据？](./docs/414504.md)
* [04｜ 实战5步（下）：怎么建立估计10万+软文点击率的模型？](./docs/415149.md)
* [05 | 数据探索：怎样从数据中找到用户的RFM值？](./docs/415910.md)
* [06 | 聚类分析：如何用RFM给电商用户做价值分组画像？](./docs/416824.md)
* [07｜回归分析：怎样用模型预测用户的生命周期价值？](./docs/417479.md)
* [08 | 模型优化（上）：怎么用特征工程提高模型效率？](./docs/418354.md)
* [09｜模型优化（中）：防止过拟合，模型也不能太精细](./docs/419218.md)
* [10｜模型优化（下）：交叉验证，同时寻找最优的参数](./docs/419746.md)
* [11｜深度学习（上）：用CNN带你认识深度学习](./docs/420372.md)
* [12｜深度学习（中）：如何用RNN预测激活率走势？](./docs/421029.md)
* [13｜深度学习（下）：3招提升神经网络预测准确率](./docs/422439.md)
* [14｜留存分析：哪些因素会影响用户的留存率？](./docs/423109.md)
* [15｜二元分类：怎么预测用户是否流失？从逻辑回归到深度学习](./docs/423893.md)
* [16｜性能评估：不平衡数据集应该使用何种评估指标？](./docs/424124.md)
* [17｜集成学习：机器学习模型如何“博采众长”?](./docs/424305.md)
* [18 | 增长模型：用XGBoost评估裂变海报的最佳受众群体](./docs/424481.md)
* [19 | 胸有成竹：如何快速定位合适的机器学习算法？](./docs/425277.md)
* [20 | 模型部署：怎么发布训练好的机器学习模型？](./docs/426022.md)
* [21｜持续精进：如何在机器学习领域中找准前进的方向？](./docs/426876.md)
* [一套习题，测出你对机器学习的掌握程度](./docs/427352.md)
* [结束语 | 可以不完美，但重要的是马上开始](./docs/428089.md)