【编码教程】python数据分析与机器学习实战

文件大小: 4.5MB
语言: 简体中文
运行环境: Win9X/Win2000/WinXP/Win2003/

详细介绍:
【编码教程】python数据分析与机器学习实战——更多资源,课程更新在


资源，名师讲座课程简介：


【编码教程】python数据分析与机器学习实战


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


【云课堂数据分析与机器学习销冠课程，超5000名小伙伴加入】


【连续多年荣获云课堂金云奖最佳课程奖”，人工智能类唯一”获奖课程，最佳合作伙伴】


【课程同名配套教材《跟着迪哥学Python数据分析与机器学习实战》现已出版，加入课程免费送配套PDF版教材】


课程特色：


１、机器学习算法全面覆盖，每个算法均有配套项目实战！


２、通俗易懂，用最接地气的方式讲解复杂的算法与代码！


３、五年沉底，精选配套案例，打造最适合初学者的实战路线图！


４、同名配套教材免费提供，课程持续更新，永久有效！


目录


章节1:课程介绍与学习路线解读试看


课时1视频课程整体内容介绍（主题与大纲）04:54可试看


课时2视频学习常见问题解读07:59可试看


课时3文本专属配套教材下载（需PC网页登录）可试看


章节2:人工智能入门指南（有基础的同学请略过！）试看


课时4视频AI时代首选Python09:20可试看


课时5视频Python我该怎么学04:21可试看


课时6视频人工智能的核心-机器学习10:35可试看


课时7视频机器学习怎么学？08:37


课时8视频算法推导与案例08:19


章节3:Python科学计算库-Numpy（课程代码在目录）试看


课时9视频课程环境配置05:38


课时10视频课件使用方法与notebook路径配置14:01


课时11视频Numpy工具包概述09:59可试看


课时12视频数组结构08:35


课时13视频属性与赋值操作10:30


课时14视频数据索引方法11:00


课时15视频数值计算方法08:15


课时16视频排序操作04:51


课时17视频数组形状06:36


课时18视频数组生成常用函数08:25


课时19视频随机模块05:33


课时20视频读写模块05:56


课时21文本本章数据代码下载(需PC登录，点击左下角参考资料)


章节4:python数据分析处理库-Pandas


课时22视频Pandas工具包使用简介08:32


课时23视频数据信息读取与展示12:05


课时24视频索引方法04:34


课时25视频groupby函数使用方法05:22


课时26视频数值运算11:15


课时27视频merge合并操作07:14


课时28视频pivot数据透视表10:02


课时29视频时间操作10:18


课时30视频apply自定义函数08:58


课时31视频常用操作06:43


课时32视频字符串操作07:32


课时33文本本章数据代码下载(需PC登录，点击左下角参考资料)


章节5:Python数据可视化库-Matplotlib


课时34视频Matplotlib概述11:44


课时35视频子图与标注21:16


课时36视频风格设置04:50


课时37视频条形图14:48


课时38视频条形图细节15:14


课时39视频条形图外观15:40


课时40视频盒图绘制09:09


课时41视频盒图细节14:41


课时42视频绘图细节设置13:48


课时43视频绘图细节设置212:36


课时44视频直方图与散点图18:05


课时45视频3D图绘制20:05


课时46视频pie图15:00


课时47视频子图布局14:39


课时48视频结合pandas与sklearn14:03


课时49文本本章数据代码下载(需PC登录，点击左下角参考资料)


章节6:Python可视化库Seaborn试看


课时50视频Seaborn简介02:44可试看


课时51视频整体布局风格设置07:47


课时52视频风格细节设置06:49


课时53视频调色板10:39


课时54视频调色板颜色设置08:17


课时55视频单变量分析绘图09:37


课时56视频回归分析绘图08:53


课时57视频多变量分析绘图10:36


课时58视频分类属性绘图09:40


课时59视频Facetgrid使用方法08:49


课时60视频Facetgrid绘制多变量08:29


课时61文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时62视频热度图绘制14:19


章节7:K近邻算法实战试看


课时63视频K近邻算法概述15:47可试看


课时64视频模型的评估10:39


课时65视频数据预处理11:25


课时66文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时67视频sklearn库与功能14:42


课时68视频多变量KNN模型16:37


章节8:线性回归算法原理推导试看


课时69视频回归问题概述07:11


课时70视频误差项定义09:41可试看


课时71视频独立同分布的意义07:32


课时72视频似然函数的作用10:50


课时73视频参数求解11:11


课时74文本所有算法PPT汇总下载


章节9:梯度下降策略


课时75视频梯度下降通俗解释08:34


课时76视频参数更新方法08:17


课时77视频优化参数设置08:51


章节10:逻辑回归算法


课时78视频逻辑回归算法原理08:23


课时79视频化简与求解09:09


章节11:案例实战：Python实现逻辑回归与梯度下降策略


课时80文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时81视频Python实现逻辑回归任务概述07:34


课时82视频完成梯度下降模块12:51


课时83视频停止策略与梯度下降案例10:55


课时84视频实验对比效果10:25


章节12:项目实战-交易数据异常检测


课时85视频任务目标解读08:09


课时86视频项目挑战与解决方案制定12:36


课时87视频数据标准化处理11:20


课时88视频下采样数据集制作06:08


课时89视频交叉验证07:16


课时90视频数据集切分06:00


课时91视频模型评估方法与召回率10:30


课时92视频正则化惩罚项11:48


课时93视频训练逻辑回归模型11:20


课时94视频混淆矩阵评估分析10:22


课时95视频测试集遇到的问题05:20


课时96视频阈值对结果的影响10:34


课时97视频SMOTE样本生成策略07:38


课时98视频过采样效果与项目总结08:00


课时99文本本章数据代码下载(需PC登录，点击左下角参考资料)


章节13:决策树算法


课时100视频决策树算法概述08:29


课时101视频熵的作用06:39


课时102视频信息增益原理08:41


课时103视频决策树构造实例07:40


课时104视频信息增益率与gini系数06:07


课时105视频预剪枝方法08:02


课时106视频后剪枝方法06:54


课时107视频回归问题解决05:54


章节14:案例实战：使用sklearn构造决策树模型


课时108文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时109视频决策树复习08:55


课时110视频决策树涉及参数11:09


课时111视频树可视化与sklearn库简介18:14


课时112视频sklearn参数选择11:46


章节15:集成算法与随机森林


课时113视频集成算法-随机森林12:03


课时114视频特征重要性衡量13:51


课时115视频提升模型11:15


课时116视频堆叠模型07:09


章节16:案例实战：集成算法建模实战试看


课时117文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时118视频集成算法实例概述10:51可试看


课时119视频ROC与AUC指标10:03


课时120视频基础模型09:32


课时121视频集成实例18:53


课时122视频Stacking模型14:16


课时123视频效果改进11:09


章节17:基于随机森林的气温预测


课时124视频基于随机森林的气温预测任务概述09:05


课时125视频基本随机森林模型建立09:09


课时126视频可视化展示与特征重要性12:58


课时127视频加入新的数据与特征10:24


课时128视频数据与特征对结果的影响08:24


课时129视频效率对比分析08:14


课时130视频网格与随机参数选择07:51


课时131视频随机参数选择方法实践09:46


课时132视频调参优化细节10:12


课时133文本本章数据代码下载


章节18:贝叶斯算法


课时134视频贝叶斯算法概述06:58


课时135视频贝叶斯推导实例07:38


课时136视频贝叶斯拼写纠错实例11:46


课时137视频垃圾邮件过滤实例14:10


课时138视频贝叶斯实现拼写检查器12:21


章节19:Python文本数据分析：新闻分类任务


课时139文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时140视频文本分析与关键词提取12:11


课时141视频相似度计算11:44


课时142视频新闻数据与任务简介10:20


课时143视频TF-IDF关键词提取13:28


课时144视频LDA建模09:10


课时145视频基于贝叶斯算法进行新闻分类14:53


章节20:支持向量机


课时146视频支持向量机算法要解决的问06:00


课时147视频距离的定义07:05


课时148视频要优化的目标07:54


课时149视频目标函数10:12


课时150视频拉格朗日乘子法08:57


课时151视频SVM求解10:14


课时152视频支持向量的作用07:53


课时153视频软间隔问题06:00


课时154视频核函数问题11:56


章节21:案例：SVM调参实例


课时155文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时156视频支持向量机所能带来的效果08:55


课时157视频决策边界可视化展示09:52


课时158视频软间隔的作用10:31


课时159视频非线性SVM06:52


课时160视频核函数的作用与效果16:15


章节22:聚类算法-Kmeans


课时161视频KMEANS算法概述11:34


课时162视频KMEANS工作流程09:42


课时163视频KMEANS迭代可视化展示08:20


课时164视频使用Kmeans进行图像压缩07:58


章节23:聚类算法-DBSCAN


课时165视频DBSCAN聚类算法11:04


课时166视频DBSCAN工作流程15:03


课时167视频DBSCAN可视化展示08:52


章节24:案例实战：聚类实践分析


课时168文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时169视频Kmenas算法常用操作09:21


课时170视频聚类结果展示04:45


课时171视频建模流程解读10:45


课时172视频不稳定结果04:14


课时173视频评估指标-Inertia07:24


课时174视频如何找到合适的K值06:55


课时175视频轮廓系数的作用09:15


课时176视频Kmenas算法存在的问题07:19


课时177视频应用实例-图像分割13:45


课时178视频半监督学习12:23


课时179视频DBSCAN算法08:10


章节25:降维算法-PCA主成分分析


课时180视频PCA降维概述08:39


课时181视频PCA要优化的目标12:22


课时182视频PCA求解10:18


课时183视频PCA实例08:34


章节26:神经网络


课时184视频初识神经网络11:28


课时185视频计算机视觉所面临的挑战09:40


课时186视频K近邻尝试图像分类10:01


课时187视频超参数的作用10:31


课时188视频线性分类原理09:35


课时189视频神经网络-损失函数09:18


课时190视频神经网络-正则化惩罚项07:19


课时191视频神经网络-softmax分类器13:39


课时192视频神经网络-最优化形象解读06:47


课时193视频神经网络-梯度下降细节问题11:49


课时194视频神经网络-反向传播15:17


课时195视频神经网络架构10:11


课时196视频神经网络实例演示10:39


课时197视频神经网络过拟合解决方案15:54


课时198视频感受神经网络的强大11:30


章节27:Xgboost集成算法


课时199视频集成算法思想05:35


课时200视频xgboost基本原理11:07


课时201视频xgboost目标函数推导12:18


课时202视频Xgboost安装06:26


课时203视频保险赔偿任务概述13:06


课时204视频Xgboost参数定义09:54


课时205视频基础模型定义08:16


课时206视频树结构对结果的影响12:37


课时207视频学习率与采样对结果的影响13:01


课时208文本本章数据代码下载


章节28:自然语言处理词向量模型-Word2Vec


课时209视频自然语言处理与深度学习11:58


课时210视频语言模型06:16


课时211视频-N-gram模型08:32


课时212视频词向量09:28


课时213视频神经网络模型10:03


课时214视频Hierarchical Softmax10:01


课时215视频CBOW模型实例11:21


课时216视频CBOW求解目标05:39


课时217视频梯度上升求解10:11


课时218视频负采样模型07:15


章节29:使用Gensim库构造中文维基百度数据词向量模型


课时219文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时220视频使用Gensim库构造词向量06:22


课时221视频维基百科中文数据处理10:27


课时222视频Gensim构造word2vec模型08:52


课时223视频测试模型相似度结果07:42


章节30:模型评估方法


课时224视频Sklearn工具包简介04:56


课时225视频数据集切分07:15


课时226视频交叉验证的作用11:03


课时227视频交叉验证实验分析14:51


课时228视频混淆矩阵07:52


课时229视频评估指标对比分析12:13


课时230视频阈值对结果的影响08:26


课时231视频ROC曲线08:58


课时232文本本章数据代码下载


章节31:Python库分析科比生涯数据试看


课时233文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时234视频Kobe Bryan生涯数据读取与简介07:45可试看


课时235视频特征数据可视化展示11:41


课时236视频数据预处理12:32


课时237视频使用Scikit-learn建立模型10:12


章节32:Python时间序列分析试看


课时238文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时239视频章节简介01:03可试看


课时240视频Pandas生成时间序列11:28


课时241视频Pandas数据重采样09:22


课时242视频Pandas滑动窗口07:47


课时243视频数据平稳性与差分法11:10


课时244视频ARIMA模型10:34


课时245视频相关函数评估方法10:46


课时246视频建立ARIMA模型07:48


课时247视频参数选择12:40


课时248视频股票预测案例09:57


课时249视频使用tsfresh库进行分类任务12:04


课时250视频维基百科词条EDA14:30


章节33:机器学习项目实战-贷款申请最大化利润


课时251文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时252视频数据清洗过滤无用特征12:08


课时253视频数据预处理10:12


课时254视频获得最大利润的条件与做法13:26


课时255视频预测结果并解决样本不均衡问题12:47


章节34:机器学习项目实战-用户流失预警


课时256文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时257视频数据背景介绍06:35


课时258视频数据预处理10:05


课时259视频尝试多种分类器效果08:32


课时260视频结果衡量指标的意义19:50


课时261视频应用阈值得出结果06:26


章节35:探索性数据分析-足球赛事数据集试看


课时262文本本章数据代码下载(需PC登录，点击左下角参考资料)


课时263视频内容简介02:13


课时264视频数据背景介绍10:30可试看


课时265视频数据读取与预处理13:09


课时266视频数据切分模块14:42


课时267视频缺失值可视化分析13:27


课时268视频特征可视化展示12:23


课时269视频多特征之间关系分析11:21


课时270视频报表可视化分析10:38


课时271视频红牌和肤色的关系17:16


章节36:探索性数据分析-农粮组织数据集


课时272视频数据背景简介11:05


课时273视频数据切片分析17:26


课时274视频单变量分析15:21


课时275视频峰度与偏度11:37


课时276视频数据对数变换09:43


课时277视频数据分析维度06:55


课时278视频变量关系可视化展示12:22


章节37:机器学习项目实战-HTTP日志聚类分析


课时279视频建立特征工程17:25


课时280视频特征数据预处理10:34


课时281视频应用聚类算法得出异常IP点

═══════ 下载地址 ═══════