|
|
8 c2 R+ r$ G6 d# X- u- x$ f' I
3 N6 G& q) T1 z# a }( o
课程目录
. @; N* u p" W第1章:使用Python库分析处理Kobe Bryan职业生涯数据
8 Z% ?" {; E! A) n章节1课程简介章节预览
, a d* E4 V% k6 B7 `' T7 _) A章节2课程数据，代码下载2 k/ a- j9 n' p" H% w$ r2 K& M
章节3使用Anaconda搭建python环境13:109 m' w8 j7 l% b6 E
章节4Kobe Bryan生涯数据读取与简介07:45$ \5 e% W: y5 f
章节5特征数据可视化展示11:41
. y8 I; V5 r/ o) \' x/ [章节6数据预处理12:32
) s. _* n+ O D/ j. {' h: P章节7使用scikit-learn建立分类模型10:12% O% @' @: p' Y5 z$ x2 @
) A9 R. L; L6 |# D) R
第2章:信用卡欺诈行为检测
" W2 E2 v9 L; s8 K. ^* Z8 P) @章节8数据简介及面临的挑战10:56
, o. k- y% @2 E" W, _* _章节9数据不平衡问题解决方案13:14; m, x- T! a0 v0 J6 ]. d
章节10逻辑回归进行分类预测15:26) D- w4 ]) L, B
章节11使用阈值来衡量预测标准17:04, b) @% ]4 I" j ~3 q
章节12使用数据生成策略11:00
( j; q' ^& H" s# i5 \, E+ E
! o- U5 D, x7 X6 R- @第3章:鸢尾花数据集分析
6 n- z" W0 e$ k3 l ]章节13数据简介与特征章节化展示11:10% C) b1 g, f: T5 G; u+ r
章节14不同特征的分布规则06:32
1 X6 a# |0 l" ~& T章节15决策树模型参数详解11:079 P0 @' o& ^3 Q" e/ J! S( H
章节16决策树中参数的选择09:28
. Z" U9 }; B5 B1 t' z7 Q: d章节17将建立好决策树可视化展示出来08:47
7 z' {+ @- \8 R# F4 F5 q; v0 X( a3 z+ J f
第4章:泰坦尼克号获救预测3 C5 X e5 ^5 L1 d
章节18船员数据分析06:10, ?' o; s2 ?6 L! x* G
章节19数据预处理13:36
3 ?% J3 M8 s0 B章节20使用回归算法进行预测14:30
Q m `" p1 n章节21使用随机森林改进模型12:56" O( u2 O; K' T& u
章节22随机森林特征重要性分析10:40% S0 X( a' {' |& E
* [& \9 R7 M) ?/ _ k- p
第5章:级联结构的机器学习模型/ V! |# f% x, {# h
章节23级联模型原理05:068 q0 a! l2 ^) s" O# Z2 z) g/ J
章节24数据预处理与热度图10:25) p( e8 w0 b( y; M3 G0 Z: e: W
章节25二阶段输入特征制作06:35+ E$ K8 K5 q) V" s1 T
章节26使用级联模型进行预测13:29
1 o& {! ]" J" g: k) \( r1 E' I/ E c; S' _9 X, x
第6章:员工离职预测
! D4 D( K# A0 _, E: T* g9 D章节27数据简介与特征预处理13:34- e( e, D& P. p, F2 K
章节28员工不同属性指标对结果的影响15:42
$ c9 b3 K0 g0 Q% f" s4 h章节29数据预处理12:03
( p% N) |2 _+ f$ E! T2 {章节30构建预测模型10:28 c% e0 O$ S+ H9 F u* D
章节31基于聚类模型的分析05:42
- B5 `9 i# c" s3 ~% w4 q
$ T4 F) y% \- a! C% t% C5 a第7章:使用神经网络进行手写字体识别（mnist）( N7 @" o0 N$ D
章节32tensorflow框架的安装07:09) P" r2 _, F( Y2 p( ^! X
章节33神经网络模型概述12:53! J4 A2 J; ]2 G
章节34使用tensorflow设定基本参数09:52, t; l8 }% u- y1 H" S1 Y& S& d
章节35卷积神经网络模型10:49+ Z8 [* `& E* C+ K+ y- w7 Q, Y
章节36构建完整的神经网络模型14:32
3 {7 N0 u* U! O. T章节37训练神经网络模型12:34
) A# A2 B( N+ W
' f% H8 O' @; ?' E# r8 ?第8章:主成分分析（PCA）
# @3 u( C/ o' V3 A. q3 i章节38PCA原理简介05:341 w3 z" B/ ^0 m0 k1 H: x
章节39数据预处理08:42
, } j2 J% P' F4 K& M1 `章节40协方差分析10:27/ _3 c, a/ \7 }% _6 B6 g
章节41使用PCA进行降维07:46% z. f- S" I( c M
" M, {& H6 x9 g' j( C
第9章:基于NLP的股价预测
4 R. e7 r' E4 Z1 L7 B章节42数据简介与故事背景04:11
8 V( }! w# ~& S, t8 n( V- b章节43基于词频的特征提取10:257 U r' U- L% t- W
章节44改进特征选择方法12:25
0 ]6 Q; E# g6 x7 O v2 p+ t+ ~. A
第10章:借贷公司数据分析$ [* F1 r; t- T8 N
章节45数据清洗12:08
4 h, d1 e: j3 K1 o章节46数据预处理10:12; @! v2 ^: r2 x0 T# d/ o& b+ y8 M4 h
章节47盈利方法和模型评估13:26
8 [# W8 y8 _3 O, H/ \+ [$ X$ c# ~章节48预测结果12:474 {2 |/ V) n3 t
. s8 c' z! e3 I2 c4 q8 Z9 Y' `" h' e9 m5 f- E' d. P5 d" V! h
[9 |) n y/ ~( n3 t% K6 `
( q$ [$ D l3 V9 o8 [/ I9 W |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
|
[复制链接]
发表于 2017-9-30 08:17:33
发表于 2017-9-30 09:27:35
