專題：模型提升技巧

1. 模型堆疊和模型融合庫heamy的介紹
2. 比賽經驗
3. BDC冠軍團隊是如何做用戶預測的
4. 稱霸Kaggle的十大深度學習技巧
5. 調參心得：超參數優化之旅
6. 機器學習比賽大殺器----模型融合(stacking & blending)
7. GBDT、FM、FFM和DNN融合構建廣告點擊率預測模型
8. xgboost融合模型：大學助學金精準資助預測(有數據)
9. 推薦系統遇上深度學習(十)--GBDT+LR融合方案實戰
10. 申請評分卡模型中常用的一些特徵工程方法
11. Stacking：Catboost、Xgboost、LightGBM、Adaboost、RF etc
12. 特徵探索
13. 2016-2018年機器學習大賽TOP開源作品彙總 
14. GBDT原理及利用GBDT構造新的特徵-Python實現 
15. 分分鐘帶你殺入Kaggle Top 1%
16. 隨機森林算法詳解
17. 拳打Adam，腳踢SGD：北大提出全新優化算法AdaBound 
18. LightGBM算法總結
19. 自動化特徵 
20. Catboost：超越Lightgbm和XGBoost的又一個boost算法神器
21. GBDT、隨機森林、xgboost算法原理解析視頻公開
22. 模型調優與模型融合(stacking代碼應用篇)