Python数据分析（机器学习）经典案例

e8eee267ff320818f78b08bc7e0f586d.jpg (129.23 KB, 下载次数: 31) 下载附件 保存到相册 2020-12-21 15:47 上传 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