Python数据分析典型案例 机器学习实战视频课程
课程目录
第1章:使用Python库分析处理Kobe Bryan职业生涯数据
章节1课程简介章节预览" R
章节2课程数据,代码下载 e% s"
章节3使用Anaconda搭建python环境13:10& w
章节4Kobe Bryan生涯数据读取与简介07:45
章节5特征数据可视化展示11:41( M!
章节6数据预处理12:323 [( `. P; c$ h2 P
章节7使用scikit-learn建立分类模型10:125 J1 w! ]; q5e
第2章:信用卡欺诈行为检测' z9 r$ E& h"
章节8数据简介及面临的挑战10:56
章节9数据不平衡问题解决方案13:147 S8 ?8 |
章节10逻辑回归进行分类预测15:26
章节11使用阈值来衡量预测标准17:04) M4 T( G h7 y
章节12使用数据生成策略11:00
0 A- l% T) ~
第3章:鸢尾花数据集分析+ G7 m' X* O
章节13数据简介与特征章节化展示11:10, G: `-
章节14不同特征的分布规则06:32
章节15决策树模型参数详解11:07% o
章节16决策树中参数的选择09:28, j( U0 _% a% k6
章节17将建立好决策树可视化展示出来08:47) ]:
第4章:泰坦尼克号获救预测/ o6 n4
章节18船员数据分析06:10" ~ A2 B6 y) W+ |
章节19数据预处理13:36" r- M' [5 s4
章节20使用回归算法进行预测14:30
章节21使用随机森林改进模型12:56
章节22随机森林特征重要性分析10:409 s/ \0
第5章:级联结构的机器学习模型
章节23级联模型原理05:06) s l, Y4 G' s6
章节24数据预处理与热度图10:256 E" p.
章节25二阶段输入特征制作06:35
章节26使用级联模型进行预测13:29& d* z* X& c.
2 l% Z( Q8 K3 `0 N4 r
第6章:员工离职预测
章节27数据简介与特征预处理13:341 h8 q8 c; s2 H' \0
章节28员工不同属性指标对结果的影响15:42
章节29数据预处理12:03
章节30构建预测模型10:28
章节31基于聚类模型的分析05:42
1 y4 W) `4 d" h' G
第7章:使用神经网络进行手写字体识别(mnist)) o/ S1 @7 ?1
章节32tensorflow框架的安装07:09
章节33神经网络模型概述12:53
章节34使用tensorflow设定基本参数09:52
章节35卷积神经网络模型10:490 o; S! y, @3 h# a
章节36构建完整的神经网络模型14:325 v) c8 t1 q/ i9
章节37训练神经网络模型12:34+ r% _* G% D) |$ J
4 y% G# |% Y. W4 E
第8章:主成分分析(PCA)
章节38PCA原理简介05:34' f. Z4 }: vV
章节39数据预处理08:427 G; D# O6 Q
章节40协方差分析10:27
章节41使用PCA进行降维07:461 n$ a1 A2 a#
( `' N% P: f1 D! Q
第9章:基于NLP的股价预测* W4 r8 A0 q8
章节42数据简介与故事背景04:11
章节43基于词频的特征提取10:255 N M, e/
章节44改进特征选择方法12:25
第10章:借贷公司数据分析
章节45数据清洗12:08
章节46数据预处理10:12
章节47盈利方法和模型评估13:26
章节48预测结果12:47
下载地址:
|