资源详情
Python数据分析(机器学习)经典案例
2017年
适用人群
从事机器学习,数据分析,数据挖掘的同学们以及python使用者
课程概述
选择经典案例基于真实数据集，从数据预处理开始到建立机器学习模型以及效果评估，完整的讲解如何使用python及其常用库进行数据的分析和模型的建立。对于每一个面对的挑战，分析解决问题思路以及如何构造合适的模型并且给出合适评估方法。在每一个案例中，同学们可以快速掌握如何使用pandas进行数据的预处理和分析，使用matplotlib进行可视化的展示以及基于scikit-learn库的机器学习模型的建立。
课程目录
章节1:使用Python库分析处理Kobe Bryan职业生涯数据
课时1课程简介xa0xa003:01
课时2课程数据，代码下载
课时3使用Anaconda搭建python环境xa0xa013:10
课时4Kobe Bryan生涯数据读取与简介xa0xa007:45
课时5特征数据可视化展示xa0xa011:41
课时6数据预处理xa0xa012:32
课时7使用scikit-learn建立分类模型xa0xa010:12
章节2:信用卡欺诈行为检测
课时8数据简介及面临的挑战xa0xa010:56
课时9数据不平衡问题解决方案xa0xa013:14
课时10逻辑回归进行分类预测xa0xa015:26
课时11使用阈值来衡量预测标准xa0xa017:04
课时12使用数据生成策略xa0xa011:00
章节3:鸢尾花数据集分析
课时13数据简介与特征课时化展示xa0xa011:10
课时14不同特征的分布规则xa0xa006:32
课时15决策树模型参数详解xa0xa011:07
课时16决策树中参数的选择xa0xa009:28
课时17将建立好决策树可视化展示出来xa0xa008:47
章节4:泰坦尼克号获救预测
课时18船员数据分析xa0xa006:10
课时19数据预处理xa0xa013:36
课时20使用回归算法进行预测xa0xa014:30
课时21使用随机森林改进模型xa0xa012:56
课时22随机森林特征重要忄生分析xa0xa010:40
章节5:级联结构的机器学习模型
课时23级联模型原理xa0xa005:06
课时24数据预处理与热度图xa0xa010:25
课时25二阶段输入特征制作xa0xa006:35
课时26使用级联模型进行预测xa0xa013:29
章节6:员工离职预测
课时27数据简介与特征预处理xa0xa013:34
课时28员工不同属忄生指标对结果的影响xa0xa015:42
课时29数据预处理xa0xa012:03
课时30构建预测模型xa0xa010:28
课时31基于聚类模型的分析xa0xa005:42
章节7:使用神经网络进行手写字体识别（mnist）
课时32tensorflow框架的安装xa0xa007:09
课时33神经网络模型概述xa0xa012:53
课时34使用tensorflow设定基本参数xa0xa009:52
课时35卷积神经网络模型xa0xa010:49
课时36构建完整的神经网络模型xa0xa014:32
课时37训练神经网络模型xa0xa012:34
章节8:主成分分析（PCA）
课时38PCA原理简介xa0xa005:34
课时39数据预处理xa0xa008:42
课时40协方差分析xa0xa010:27
课时41使用PCA进行降维xa0xa007:46
章节9:基于NLP的股价预测
课时42数据简介与故事背景xa0xa004:11
课时43基于词频的特征提取xa0xa010:25
课时44改进特征选择方法xa0xa012:25
章节10:借贷公司数据分析
课时45数据清洗xa0xa012:08
课时46数据预处理xa0xa010:12
课时47盈利方法和模型评估xa0xa013:26
课时48预测结果xa0xa012:47
