作者微信 bishe2022

智慧代码.
代码功能演示视频在页面下方,请先观看;如需定制开发,联系页面右侧客服

                        2017年最新Python数据分析(机器学习)经典案例视频教程下载

 


 


课程介绍：

2017年最新Python数据分析(机器学习)经典案例视频教程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，完整的讲解了如何使用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。通过案例的讲解让同学们快速掌握如何使用python及其常用库进行数据分析和机器学习模型建立和评估的工作，以及对于真实的数据集掌握如何进行数据的清洗预处理以及特征的提取，通过教程的学习可对Python数据分析(机器学习)有一个更好的掌握。

 

 

2017年最新Python数据分析(机器学习)经典案例视频教程目录介绍：

        第1章 使用Python库分析处理Kobe Bryan职业生涯数据
    
        1-1课程简介

        1-2 使用Anaconda搭建python环境

        1-3 Kobe Bryan生涯数据读取与简介

        1-4 特征数据可视化展示
       
        1-5数据预处理

        1-6使用scikit-learn建立分类模型
     

        第2章 信用卡欺诈行为检测
     
        2-1数据简介及面临的挑战
      
        2-2数据不平衡问题解决方案
      
        2-3逻辑回归进行分类预测

        2-4使用阈值来衡量预测标准
     
        2-5使用数据生成策略



        第3章 鸢尾花数据集分析

        3-1数据简介与特征课时化展示

        3-2不同特征的分布规则
      
        3-3决策树模型参数详解
     
        3-4决策树中参数的选择

        3-5将建立好决策树可视化展示出来



        第4章 泰坦尼克号获救预测

        4-1船员数据分析

        4-2数据预处理

        4-3使用回归算法进行预测

        4-4使用随机森林改进模型

        4-5随机森林特征重要性分析
 

        第5章 级联结构的机器学习模型

        5-1级联模型原理

        5-2数据预处理与热度图

        5-3二阶段输入特征制作

        5-4使用级联模型进行预测


        第6章 员工离职预测

        6-1数据简介与特征预处理

        6-2员工不同属性指标对结果的影响

        6-3数据预处理

        6-4构建预测模型

        6-5基于聚类模型的分析


        第7章 使用神经网络进行手写字体识别（mnist）

        7-1tensorflow框架的安装

        7-2神经网络模型概述

        7-3使用tensorflow设定基本参数

        7-4卷积神经网络模型

        7-5构建完整的神经网络模型

        7-6训练神经网络模型


        第8章 主成分分析（PCA）

        8-1PCA原理简介

        8-2数据预处理

        8-3协方差分析

        8-4使用PCA进行降维


        第9章 基于NLP的股价预测

        9-1数据简介与故事背景

        9-2基于词频的特征提取

        9-3改进特征选择方法


        第10章 借贷公司数据分析

        10-1数据清洗
  
        10-2数据预处理
       
        10-3盈利方法和模型评估

        10-4预测结果
      

 

 

2017年最新Python数据分析(机器学习)经典案例视频教程部分截图展示：

 

 

 

 

 

 

 

 


  

 

Home