python数据分析与机器学习实战，资源教程下载

课程名称

python数据分析与机器学习实战，资源教程下载

课程目录

python数据分析与机器学习实战

2017年7月新课课程总时长：11小时12分钟

适用人群

数据分析,机器学习,数据挖掘领域研究者。Python语言使用者。

课程概述

课程概述：

使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解，基于案例演示如何应用机器学习算法解决实际问题。

课程特色：

1. 通俗易懂，快速入门

对机器学习经典算法结合数学推导进行形象解释，实例演示。

2. Python主导，实用高效

使用数据领域最主流语言Python及其分析与建模库作为课程核心工具。

3. 案例为师，实战护航

基于真实数据集，从零开始结合Python工具与机器学习算法完成整个案例实战。

4. 持续更新，一劳永逸

Python数据分析与机器学习课程会支持更新下去，逐步加入更多算法与案例。

课程学习路线图：

目录

章节1: Python科学计算库-Numpy

 课时1课程介绍（主题与大纲）10:46

 课时2机器学习概述10:04

 课时3使用Anaconda安装python环境（Python新手先看这个）13:10

 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Numpy10:32

 课时6Numpy基础结构10:41

 课时7Numpy矩阵基础05:55

 课时8Numpy常用函数12:02

 课时9矩阵常用操作10:18

 课时10不同复制操作对比10:49

章节2: python数据分析处理库-Pandas

 课时11Pandas数据读取11:50

 课时12Pandas索引与计算10:26

 课时13Pandas数据预处理实例13:01

 课时14Pandas常用预处理方法11:11

 课时15Pandas自定义函数07:44

 课时16Series结构12:29

章节3: Python数据可视化库-Matplotlib

 课时17折线图绘制08:25

 课时18子图操作14:05

 课时19条形图与散点图10:12

 课时20柱形图与盒图10:17

 课时21细节设置06:13

章节4: Python可视化库Seaborn

 课时22Seaborn简介02:44

 课时23整体布局风格设置07:48

 课时24风格细节设置06:50

 课时25调色板10:40

 课时26调色板颜色设置08:18

 课时27单变量分析绘图09:38

 课时28回归分析绘图08:53

 课时29多变量分析绘图10:36

 课时30分类属性绘图09:40

 课时31Facetgrid使用方法08:50

 课时32Facetgrid绘制多变量08:30

 课时33热度图绘制14:19

章节5: 回归算法

 课时34回归算法综述09:42

 课时35回归误差原理推导13:01

 课时36回归算法如何得出最优解12:05

 课时37基于公式推导完成简易线性回归08:40

 课时38逻辑回归与梯度下降16:59

 课时39使用梯度下降求解回归问题15:13

章节6: 决策树

 课时40决策树算法综述09:40

 课时41决策树熵原理13:20

 课时42决策树构造实例11:00

 课时43信息增益原理05:27

 课时44信息增益率的作用16:39

 课时45决策树剪枝策略12:08

 课时46随机森林模型09:15

 课时47决策树参数详解17:49

章节7: 贝叶斯算法

 课时48贝叶斯算法概述06:58

 课时49贝叶斯推导实例07:38

 课时50贝叶斯拼写纠错实例11:46

 课时51垃圾邮件过滤实例14:10

 课时52贝叶斯实现拼写检查器12:21

章节8: 支持向量机

 课时53支持向量机要解决的问题12:01

 课时54支持向量机目标函数10:01

 课时55支持向量机目标函数求解10:05

 课时56支持向量机求解实例14:18

 课时57支持向量机软间隔问题06:55

 课时58支持向量核变换10:17

 课时59SMO算法求解支持向量机29:29

章节9: 神经网络

 课时60初识神经网络11:28

 课时61计算机视觉所面临的挑战09:40

 课时62K近邻尝试图像分类10:01

 课时63超参数的作用10:31

 课时64线性分类原理09:35

 课时65神经网络-损失函数09:18

 课时66神经网络-正则化惩罚项07:19

 课时67神经网络-softmax分类器13:39

 课时68神经网络-最优化形象解读06:47

 课时69神经网络-梯度下降细节问题11:49

 课时70神经网络-反向传播15:17

 课时71神经网络架构10:11

 课时72神经网络实例演示10:39

 课时73神经网络过拟合解决方案15:54

 课时74感受神经网络的强大11:30

章节10: Xgboost集成算法

 课时75集成算法思想05:35

 课时76xgboost基本原理11:07

 课时77xgboost目标函数推导12:18

 课时78xgboost求解实例11:29

 课时79xgboost安装03:32

 课时80xgboost实战演示14:44

 课时81Adaboost算法概述13:01

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11:58

 课时83语言模型06:16

 课时84-N-gram模型08:32

 课时85词向量09:28

 课时86神经网络模型10:03

 课时87Hierarchical Softmax10:01

 课时88CBOW模型实例11:21

 课时89CBOW求解目标05:39

 课时90梯度上升求解10:11

 课时91负采样模型07:15

章节12: K近邻与聚类

 课时92无监督聚类问题16:04

 课时93聚类结果与离群点分析12:55

 课时94K-means聚类案例对NBA球员进行评估14:23

 课时95使用Kmeans进行图像压缩07:58

 课时96K近邻算法原理12:34

 课时97K近邻算法代码实现18:44

章节13: PCA降维与SVD矩阵分解

 课时98PCA基本原理10:48

 课时99PCA实例08:34

 课时100SVD奇异值分解原理10:08

 课时101SVD推荐系统应用实例13:31

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15:09

 课时103使用scikit-learn库建立回归模型14:02

 课时104使用逻辑回归改进模型效果13:12

 课时105 模型效果衡量标准20:09

 课时106ROC指标与测试集的价值14:31

 课时107交叉验证15:15

 课时108多类别问题15:52

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07:45

 课时110特征数据可视化展示11:41

 课时111数据预处理12:32

 课时112使用Scikit-learn建立模型10:12

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11:02

 课时114数据预处理11:39

 课时115使用回归算法进行预测12:13

 课时116使用随机森林改进模型13:25

 课时117随机森林特征重要性分析15:55

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08:32

 课时119样本不均衡解决方案10:18

 课时120下采样策略06:36

 课时121交叉验证13:03

 课时122模型评估方法13:06

 课时123正则化惩罚08:09

 课时124逻辑回归模型07:37

 课时125混淆矩阵08:53

 课时126逻辑回归阈值对结果的影响10:01

 课时127SMOTE样本生成策略15:51

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12:11

 课时129相似度计算11:44

 课时130新闻数据与任务简介10:20

 课时131TF-IDF关键词提取13:28

 课时132LDA建模09:10

 课时133基于贝叶斯算法进行新闻分类14:53

章节19: Python时间序列分析

 课时134章节简介01:03

 课时135Pandas生成时间序列11:28

 课时136Pandas数据重采样09:22

 课时137Pandas滑动窗口07:47

 课时138数据平稳性与差分法11:10

 课时139ARIMA模型10:34

 课时140相关函数评估方法10:46

 课时141建立ARIMA模型07:48

 课时142参数选择12:40

 课时143股票预测案例09:57

 课时144使用tsfresh库进行分类任务12:04

 课时145维基百科词条EDA14:30

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06:22

 课时147维基百科中文数据处理10:27

 课时148Gensim构造word2vec模型08:52

 课时149测试模型相似度结果07:42

章节21: 机器学习项目实战-贷款申请最大化利润

 课时150数据清洗过滤无用特征12:08

 课时151数据预处理10:12

 课时152获得最大利润的条件与做法13:26

 课时153预测结果并解决样本不均衡问题12:47

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06:35

 课时155数据预处理10:05

 课时156尝试多种分类器效果08:32

 课时157结果衡量指标的意义19:50

 课时158应用阈值得出结果06:26

章节23: 探索性数据分析-足球赛事数据集

 课时159内容简介02:13

 课时160数据背景介绍10:30

 课时161数据读取与预处理13:09

 课时162数据切分模块14:42

 课时163缺失值可视化分析13:27

 课时164特征可视化展示12:23

 课时165多特征之间关系分析11:21

 课时166报表可视化分析10:38

 课时167红牌和肤色的关系17:16

章节24: 探索性数据分析-农粮组织数据集

 课时168数据背景简介11:05

 课时169数据切片分析17:26

 课时170单变量分析15:21

 课时171峰度与偏度11:37

 课时172数据对数变换09:43

 课时173数据分析维度06:55

 课时174变量关系可视化展示12:22

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17:25

 课时176特征数据预处理10:34

 课时177应用聚类算法得出异常IP点17:59

资源下载

此资源下载价格为8学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305