Python数据分析与机器学习

Python数据分析与机器学习
共168节 1056人在学 课程详情
  • 数据分析:准备工作

    • 了解数据分析
    • 安装编程环境
    • 数据的收集与整理
  • 数据分析:编程基础

    • 数值分析库numpy
    • 数据分析库pandas基础操作
    • 数据分析库pandas常用操作 - 1
    • 数据分析库pandas常用操作 - 2
    • 数据分析库pandas常用操作 - 3
  • 数据分析:数据的探索性分析

    • 了解数据的探索性分析
    • 描述分析 - 1
    • 描述分析 - 2
    • 基本绘图分析 - 1
    • 基本绘图分析 - 2
    • 分类分析 - 一维分析 - 1
    • 分类分析 - 一维分析 - 2
    • 分类分析 - 二维分析
    • 分类分析 - 多维分析
    • seaborn统计绘图 - 1
    • seaborn统计绘图 - 2
  • 数据分析:数据的分布与推断

    • 数据分布 - 均匀分布
    • 数据分布 - 正态分布 - 1
    • 数据分布 - 正态分布 - 2
    • 数据分布 - 正态分布 - 3
    • 统计推断 - 点估计法
    • 统计推断 - 区间估计法
    • 统计推断 - 假设检验
  • 数据分析:数据的相关分析

    • 了解相关分析
    • 简单线性相关 - 1
    • 简单线性相关 - 2
    • 简单线性回归模型 - 1
    • 简单线性回归模型 - 2
    • 分组线性相关与回归
  • 数据分析:时间序列的分析

    • 了解时间序列分析
    • 时间序列的基本分析 - 1
    • 时间序列的基本分析 - 2
    • 趋势预测 - 模型及评价
    • 趋势预测 - 建立模型
    • 平滑预测 - 移动平均预测
    • 平滑预测 - 指数平滑预测
    • 平滑预测 - 模拟指数平滑
    • 股票数据信息和处理
    • 股票价格分析
    • 股票收益率分析
  • 数据分析:数据的决策分析

    • 了解数据决策分析
    • 确定性分析
    • 不确定性分析
    • 风险分析
  • 数据分析:数据的案例分析

    • 免费数据
    • 股票数据分析 - 列表查询分析
    • 股票数据分析 - 关联查询分析
    • 股票数据分析 - 新股查询分析
    • 电影票房数据的分析
  • 机器学习:初识机器学习

    • 了解人工智能
    • 了解机器学习 - 1
    • 了解机器学习 - 2
    • 了解机器学习 - 3
    • 安装Python
    • 安装开发环境和必要的库
    • 第一个应用:鸢尾花分类 - 1
    • 第一个应用:鸢尾花分类 - 2
    • 第一个应用:鸢尾花分类 - 3
  • 机器学习:监督学习 - 准备

    • 了解监督学习
    • 分类与回归
    • 泛化、过拟合与欠拟合
    • 监督学习算法 - 准备
  • 机器学习:监督学习算法 - k近邻算法

    • k近邻算法应用于分类 - 1
    • k近邻算法应用于分类 - 2
    • k近邻算法应用于回归 - 1
    • k近邻算法应用于回归 - 2
    • k近邻算法小结
  • 机器学习:监督学习算法 - 线性模型(回归)

    • 用于回归的线性模型
    • 普通最小二乘法(OLS)
    • 岭回归(Ridge)
    • 套索回归(Lasso)
    • 弹性网络回归(ElasticNet)
  • 机器学习:监督学习算法 - 线性模型(分类)

    • 用于分类的线性模型(二分类) - 1
    • 用于分类的线性模型(二分类) - 2
    • 用于分类的线性模型(多分类)
    • 线性模型总结
  • 机器学习:监督学习算法 - 朴素贝叶斯分类器

    • 了解朴素贝叶斯算法
    • 贝努利朴素贝叶斯
    • 高斯朴素贝叶斯
    • 多项式朴素贝叶斯
    • 朴素贝叶斯案例
  • 机器学习:监督学习算法 - 决策树

    • 了解决策树
    • 构造决策树
    • 控制决策树的复杂度
    • 算法应用
  • 机器学习:监督学习算法 - 决策树集成

    • 了解集成学习
    • 随机森林 - 1
    • 随机森林 - 2
    • 梯度提升树 - 1
    • 梯度提升树 - 2
  • 机器学习:监督学习算法 - 核支持向量机

    • 了解支持向量机 - 1
    • 了解支持向量机 - 2
    • 线性模型与非线性特征
    • 核技巧与调参 - 1
    • 核技巧与调参 - 2
    • SVM预处理数据
    • 算法小结
  • 机器学习:监督学习算法 - 神经网络

    • 神经网络原理
    • 激活函数
    • 神经网络算法参数、属性和方法
    • 神经网络调参 - 1
    • 神经网络调参 - 2
    • 实例:手写识别 - 1
    • 实例:手写识别 - 2
    • 算法小结
  • 机器学习:监督学习 - 快速总结

    • 快速总结
  • 机器学习:数据预处理与缩放

    • 了解数据预处理与缩放
    • StandardScaler
    • MinMaxScaler
    • RobustScaler
    • Normalizer
    • 通过数据预处理提高模型准确率
  • 机器学习:无监督学习 - 准备

    • 了解无监督学习
  • 机器学习:无监督学习 - 主成分分析

    • 了解主成分分析
    • 数据降维在可视化中的应用 - 1
    • 数据降维在可视化中的应用 - 2
    • 特征提取 - 1
    • 特征提取 - 2
    • 特征提取 - 3
  • 机器学习:无监督学习-非负矩阵分解与流形学习

    • 非负矩阵分解
    • 流形学习
  • 机器学习:无监督学习 - k均值聚类

    • 聚类
    • K-Means聚类
    • K-Means聚类实践 - 1
    • K-Means聚类实践 - 2
  • 机器学习:无监督学习 - 凝聚聚类

    • 了解凝聚聚类
    • 凝聚聚类实例
  • 机器学习:无监督学习 - 密度聚类

    • 了解密度聚类
    • 密度聚类实例
  • 机器学习:无监督学习 - 聚类算法的评估

    • 用真实值评估聚类
    • 无真实值评估聚类
  • 机器学习:无监督学习 - 快速总结

    • 快速总结
  • 机器学习:数据表示与特征工程

    • 数据表达 - 1
    • 数据表达 - 2
    • 数据升维 - 1
    • 数据升维 - 2
    • 自动化特征选择 - 1
    • 自动化特征选择 - 2
    • 自动化特征选择 - 3
  • 机器学习:模型评估 - 交叉验证

    • 交叉验证
    • 分层k折交叉验证和扩展策略 - 1
    • 分层k折交叉验证和扩展策略 - 2
  • 机器学习:模型评估 - 网格搜索

    • 简单网格搜索
    • 参数过拟合的风险与验证集
    • 带交叉验证的网格搜索 - 1
    • 带交叉验证的网格搜索 - 2
    • 带交叉验证的网格搜索 - 3
  • 机器学习:模型评估 - 二分类指标

    • 不平衡数据集
    • 混淆矩阵 - 1
    • 混淆矩阵 - 2
    • 不确定性评估
    • 准确率-召回率曲线 - 1
    • 准确率-召回率曲线 - 2
    • 观测者工作特征(ROC)与 AUC
  • 机器学习:模型评估 - 多分类与回归指标

    • 多分类与回归指标
    • 在模型选择中使用评估指标
  • 机器学习:建立算法的管道模型

    • 建立算法的管道模型 - 1
    • 建立算法的管道模型 - 2
    • 建立算法的管道模型 - 3
    • 建立算法的管道模型 - 4
    • 建立算法的管道模型 - 5
  • 机器学习:泰坦尼克号生存预测

    • 第1部分 - 1
    • 第1部分 - 2
    • 第2部分 - 1
    • 第2部分 - 2

    订阅失败

    Python数据分析与机器学习
    Python数据分析与机器学习 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈,我们将及时处理!

    课时介绍

    分类分析 - 一维分析 - 2

    课程介绍

    【开发课程目的】
    随着人工智能时代到来,人们的工作、生活和学习方式将发生颠覆性的变化。巨变中,传统行业或将改变、或将消失,同时也会有大量人工智能相关岗位涌现出来。Python作为人工智能产品开发的首选语言,自然成为需求热点,掌握Python编程技能已成为大势所趋。因此,我们设计开发了人工智能编程系列课程:
    第一篇:Python编程基础
    第二篇:Python数据分析
    第三篇:Python机器学习
    第四篇:Python深度学习

    【机器学习课特色】

    1、课程内容全面,包括13种监督学习模型、6种无监督学习模型、8种数据预处理与特征工程技术、10种模型调优技术与评估指标
    2、课程开发与讲授为同一人,保持统一的风格和完整的课程体系。
    3、通过人脸特征、手写数字、房价等19套数据集,一步一步培养和锻炼学员独立的分析和解决实际问题的能力。
    4、课时安排紧凑、不冗长,保持学习兴趣。
    5、从设计到实现,讲解不放过每一行代码,帮助学员快速形成编程能力。
    6、案例丰富,包括鸢尾花分类、手写数字识别、人脸特征提取与重建、泰坦尼克号生存预测等十几个机器学习应用案例

    【学习目标】

     

    胜任Python数据分析或机器学习岗位及相关工作

    购课的学员请发站内信息领取课程相关代码、课件

    推荐课程

    信息系统项目管理师自考笔记

    李明 · 758人在学

    python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

    王先生 · 22204人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4222人在学

    Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

    黄菊华 · 794人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 844人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5161人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1511人在学

    Python Django 深度学习 小程序

    钟翔 · 2333人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 605人在学

    Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

    李杰 · 4001人在学

    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    课件正在飞速打包中,请耐心等待几秒钟~