2017最新唐宇迪python数据分析与机器学习实战视频教程2017最新唐宇迪python数据分析与机器学习实战视频教程
资源详情
【课程介绍】课程风格通俗易懂.真实案例实战。精心挑选真实的数据集为案例.通过python数据科学库numpy.pandas.matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础.所有课时都结合代码演示如何使用这些python库来完成一个真实的数据案例。算法与项目相结合.选择经典kaggle项目.从数据预处理开始一步步代码实战带大家快速入门机器学习。【课程目标】课程目标：零基础快速掌握python数据分析与机器学习算法实战.快速入门python最流行的数据分析库numpy.pandas.matplotlib。对于繁琐的机器学习算法.先从原理上进行推导.以算法流程为主结合实际案例完成算法代码.使用scikit-learn机器学习库完成快速建立模型.评估以及预测。结合经典kaggle案例.从数据预处理开始一步步完成整个项目.使大家对如何应用python库完成实际的项目有完整的经验与概念。【课程目录】章节1: python科学计算库-numpy4课时1课程介绍（主题与大纲）课时2机器学习概述课时3使用anaconda安装python环境（python新手先看这个）课时4课程数据.代码.ppt（在参考资料界面）课时5科学计算库numpy课时6numpy基础结构课时7numpy矩阵基础课时8numpy常用函数课时9矩阵常用操作课时10不同复制操作对比章节2: python数据分析处理库-pandas课时11pandas数据读取课时12pandas索引与计算课时13pandas数据预处理实例课时14pandas常用预处理方法课时15pandas自定义函数课时16series结构章节3: python数据可视化库-matplotlib课时17折线图绘制课时18子图操作课时19条形图与散点图课时20柱形图与盒图课时21细节设置章节4: python可视化库seaborn6课时22seaborn简介课时23整体布局风格设置课时24风格细节设置课时25调色板课时26调色板颜色设置课时27单变量分析绘图课时28回归分析绘图课时29多变量分析绘图课时30分类属忄生绘图课时31facetgrid使用方法课时32facetgrid绘制多变量课时33热度图绘制章节5: 回归算法课时34回归算法综述课时35回归误差原理推导课时36回归算法如何得出最优解课时37基于公式推导完成简易线忄生回归课时38逻辑回归与梯度下降课时39使用梯度下降求解回归问题章节6: 决策树课时40决策树算法综述课时41决策树熵原理课时42决策树构造实例课时43信息增益原理课时44信息增益率的作用课时45决策树剪枝策略课时46随机森林模型课时47决策树参数详解章节7: 贝叶斯算法课时48贝叶斯算法概述课时49贝叶斯推导实例课时50贝叶斯拼写纠错实例课时51垃圾邮件过滤实例课时52贝叶斯实现拼写检查器章节8: 支持向量机课时53支持向量机要解决的问题课时54支持向量机目标函数课时55支持向量机目标函数求解课时56支持向量机求解实例课时57支持向量机软间隔问题课时58支持向量核变换课时59s*o算法求解支持向量机章节9: 神经网络课时60初识神经网络课时61计算机视觉所面临的挑战课时62k近邻尝试图像分类课时63超参数的作用课时64线忄生分类原理课时65神经网络-损失函数课时66神经网络-正则化惩罚项课时67神经网络-softmax分类器课时68神经网络-最优化形象解读课时69神经网络-梯度下降细节问题课时70神经网络-反向传播课时71神经网络架构课时72神经网络实例演示课时73神经网络过拟合解决方案课时74感受神经网络的强大章节10: xgboost集成算法课时75集成算法思想课时76xgboost基本原理课时77xgboost目标函数推导课时78xgboost求解实例课时79xgboost安装课时80xgboost实战演示课时81adaboost算法概述章节11: 自然语言处理词向量模型-word2vec课时82自然语言处理与深度学习课时83语言模型课时84-n-gram模型课时85词向量课时86神经网络模型课时87hierarchical softmax课时88cbow模型实例课时89cbow求解目标课时90梯度上升求解课时91负采样模型章节12: k近邻与聚类课时92无监督聚类问题课时93聚类结果与离群点分析课时94k-means聚类案例对nba球员进行评估课时95使用kmeans进行图像压缩课时96k近邻算法原理课时97k近邻算法代码实现章节13: pca降维与svd矩阵分解课时98pca基本原理课时99pca实例课时100svd奇异值分解原理课时101svd推荐系统应用实例章节14: scikit-learn模型建立与评估课时102使用python库分析汽车油耗效率课时103使用scikit-learn库建立回归模型课时104使用逻辑回归改进模型效果课时105 模型效果衡量标准课时106roc指标与测试集的价值课时107交叉验证课时108多类别问题章节15: python库分析科比生涯数据课时109kobe bryan生涯数据读取与简介课时110特征数据可视化展示课时111数据预处理课时112使用scikit-learn建立模型章节16: 机器学习项目实战-泰坦尼克获救预测课时113船员数据分析课时114数据预处理课时115使用回归算法进行预测课时117随机森林特征重要忄生分析章节17: 机器学习项目实战-交易数据异常检测课时118案例背景和目标课时119样本不均衡解决方案课时120下采样策略课时121交叉验证课时122模型评估方法课时123正则化惩罚课时124逻辑回归模型课时125混淆矩阵课时126逻辑回归阈值对结果的影响课时127s*ote样本生成策略章节18: python文本数据分析：新闻分类任务课时128文本分析与关键词提取课时129相似度计算课时130新闻数据与任务简介课时131tf-idf关键词提取课时132lda建模课时133基于贝叶斯算法进行新闻分类章节19: python时间序列分析课时134章节简介课时135pandas生成时间序列课时136pandas数据重采样课时137pandas滑动窗口课时138数据平稳忄生与差分法课时139arima模型课时140相关函数评估方法课时141建立arima模型课时142参数选择课时143股票预测案例课时144使用tsfresh库进行分类任务课时145维基百科词条eda章节20: 使用gensim库构造中文维基百度数据词向量模型课时146使用gensim库构造词向量课时147维基百科中文数据处理课时148gensim构造word2vec模型课时149测试模型相似度结果章节21: 机器学习项目实战-贷款申请最大化利润课时151数据预处理课时152获得最大利润的条件与做法课时153预测结果并解决样本不均衡问题章节22: 机器学习项目实战-用户流失预警课时154数据背景介绍课时155数据预处理课时156尝试多种分类器效果课时157结果衡量指标的意义课时158应用阈值得出结果章节23: 探索忄生数据分析-足球赛事数据集课时159内容简介课时160数据背景介绍课时161数据读取与预处理课时162数据切分模块课时163缺失值可视化分析课时164特征可视化展示课时165多特征之间关系分析课时166报表可视化分析课时167红牌和肤色的关系章节24: 探索忄生数据分析-农粮组织数据集课时168数据背景简介课时169数据切片分析课时170单变量分析课时171峰度与偏度课时172数据对数变换课时173数据分析维度课时174变量关系可视化展示章节25: 机器学习项目实战-http日志聚类分析!课时175建立特征工程课时176特征数据预处理课时177应用聚类算法得出异常ip点
