精品
快速掌握Python数据分析与机器学习 暂无演示
快速掌握Python数据分析与机器学习手机扫码预览

精华
快速掌握Python数据分析与机器学习

售价:
¥2 Boutique
  • 普通用户购买价格 : 2Boutique
  • 精品会员购买价格 :1Boutique
  • 终身精品购买价格 : 免费
QQ咨询
  • 免费售后咨询
  • 免费售后咨询

升级尊贵会员
享受全站VIP待遇

6+
会员已经加入
  • 文章介绍
  • 快速掌握Python数据分析与机器学习-玖卿精品————————课程介绍————————

    课时01.课程介绍(主题与大纲)
    课时02.机器学习概述
    课时03.使用Anaconda安装python环境
    课时04.课程数据,代码,PPT
    课时05.科学计算库Numpy
    课时06.Numpy基础结构
    课时07.Numpy矩阵基础
    课时08.Numpy常用函数
    课时09.矩阵常用操作
    课时10.不同复制操作对比
    课时11.Pandas数据读取
    课时12.Pandas索引与计算
    课时13.Pandas数据预处理实例
    课时14.Pandas常用预处理方法
    课时15.Pandas自定义函数
    课时16.Series结构
    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
    课时22.Seaborn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
    课时27.调色板颜色设置
    课时28.单变量分析绘图
    课时29.回归分析绘图
    课时30.多变量分析绘图
    课时31.分类属性绘图
    课时32.Facetgrid使用方法
    课时33.Facetgrid绘制多变量
    课时34.热度图绘制
    课时35.回归算法综述
    课时36.回归误差原理推导
    课时37.回归算法如何得出最优解
    课时38.基于公式推导完成简易线性回归
    课时39.逻辑回归与梯度下降
    课时40.使用梯度下降求解回归问题
    课时41.决策树算法综述
    课时42.决策树熵原理
    课时43.决策树构造实例
    课时44.信息增益原理
    课时45.信息增益率的作用
    课时46.决策树剪枝策略
    课时47.随机森林模型
    课时48.决策树参数详解
    课时49.贝叶斯算法概述
    课时50.贝叶斯推导实例
    课时51.贝叶斯拼写纠错实例
    课时52.垃圾邮件过滤实例
    课时53.贝叶斯实现拼写检查器
    课时54.支持向量机要解决的问题
    课时55.支持向量机目标函数
    课时56.支持向量机目标函数求解
    课时57.支持向量机求解实例
    课时58.支持向量机软间隔问题
    课时59.支持向量核变换
    课时60.SMO算法求解支持向量机
    课时61.初识神经网络
    课时62.计算机视觉所面临的挑战
    课时63.K近邻尝试图像分类
    课时64.超参数的作用
    课时65.线性分类原理
    课时66.神经网络-损失函数
    课时67.神经网络-正则化惩罚项
    课时68.神经网络-softmax分类器
    课时69.神经网络-最优化形象解读
    课时70.神经网络-梯度下降细节问题
    课时71.神经网络-反向传播
    课时72.神经网络架构
    课时73.神经网络实例演示
    课时74.神经网络过拟合解决方案
    课时75.感受神经网络的强大
    课时76.集成算法思想
    课时77.xgboost基本原理
    课时78.xgboost目标函数推导
    课时79.xgboost求解实例
    课时80.xgboost安装
    课时81.xgboost实战演示
    课时82.Adaboost算法概述
    课时83.自然语言处理与深度学习加微信ff1318860
    课时84.语言模型
    课时85.-N-gram模型
    课时86.词向量
    课时87.神经网络模型
    课时88.Hierarchical.Softmax
    课时89.CBOW模型实例
    课时90.CBOW求解目标
    课时91.梯度上升求解
    课时92.负采样模型
    课时93.无监督聚类问题
    课时94.聚类结果与离群点分析
    课时95.K-means聚类案例对NBA球员进行评估
    课时96.使用Kmeans进行图像压缩
    课时97.K近邻算法原理
    课时98.K近邻算法代码实现
    课时99.PCA基本原理
    课时100.PCA实例
    课时101.SVD奇异值分解原理
    课时102.SVD推荐系统应用实例
    课时103.使用python库分析汽车油耗效率.vep
    课时104.使用scikit-learn库建立回归模型
    课时105.使用逻辑回归改进模型效果
    课时106..模型效果衡量标准
    课时107.ROC指标与测试集的价值
    课时108.交叉验证
    课时109.多类别问题
    课时110.Kobe.Bryan生涯数据读取与简介.vep
    课时111.特征数据可视化展示
    课时112.数据预处理
    课时113.使用Scikit-learn建立模型
    课时114.船员数据分析.vep
    课时115.数据预处理
    课时116.使用回归算法进行预测
    课时117.使用随机森林改进模型
    课时118.随机森林特征重要性分析
    课时119.案例背景和目标
    课时120.样本不均衡解决方案
    课时121.下采样策略
    课时122.交叉验证
    课时123.模型评估方法
    课时124.正则化惩罚
    课时125.逻辑回归模型
    课时126.混淆矩阵
    课时127.逻辑回归阈值对结果的影响
    课时128.SMOTE样本生成策略
    课时129.文本分析与关键词提取
    课时130.相似度计算
    课时131.新闻数据与任务简介
    课时132.TF-IDF关键词提取
    课时133.LDA建模
    课时134.基于贝叶斯算法进行新闻分类
    课时135.章节简介.vep
    课时136.Pandas生成时间序列
    课时137.Pandas数据重采样
    课时138.Pandas滑动窗口
    课时139.数据平稳性与差分法
    课时140.ARIMA模型
    课时141.相关函数评估方法
    课时142.建立ARIMA模型
    课时143.参数选择
    课时144.股票预测案例
    课时145.使用tsfresh库进行分类任务
    课时146.维基百科词条EDA
    课时147.使用Gensim库构造词向量
    课时148.维基百科中文数据处理
    课时149.Gensim构造word2vec模型
    课时150.测试模型相似度结果
    课时151.数据清洗过滤无用特征
    课时152.数据预处理
    课时153.获得最大利润的条件与做法
    课时154.预测结果并解决样本不均衡问题
    课时155.数据背景介绍
    课时156.数据预处理
    课时157.尝试多种分类器效果
    课时158.结果衡量指标的意义
    课时159.应用阈值得出结果
    课时160.内容简介
    课时161.数据背景介绍.vep
    课时162.数据读取与预处理
    课时163.数据切分模块
    课时164.缺失值可视化分析
    课时165.特征可视化展示
    课时166.多特征之间关系分析
    课时167.报表可视化分析
    课时168.红牌和肤色的关系
    课时169.数据背景简介
    课时170.数据切片分析
    课时171.单变量分析
    课时172.峰度与偏度
    课时173.数据对数变换
    课时174.数据分析维度
    课时175.变量关系可视化展示
    课时176.建立特征工程
    课时177.特征数据预处理
    课时178.应用聚类算法得出异常IP点

    解压密码:www.mukedaba.com

     

     


         微信公众号
    『玖卿并非名玖卿』

    关注最新网络动态不迷路~

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
    2. 分享目的仅供大家学习和交流,请不要用于商业用途!
    3. 如果你也有好软件或者教程,可以到审核区发布,分享有金币奖励和额外收入!
    4. 本站提供的软件、教程、视频等等其他资源,都不包含技术服务 请大家谅解!
    5. 如有链接无法下载、失效或广告,请点击后面字体→到投诉版块区举报,可领回失去的金币,并额外有奖!
    6. 如遇到加密压缩包,默认解压密码为"ww.nineqing.com",如遇到无法解压的请联系管理员!
    玖卿精品 » 快速掌握Python数据分析与机器学习