|
) l {2 o1 N+ L6 O; v, S! U3 Q1 C# w4 |
* B* v' f, c+ z+ U% b课程目录
# _6 ? {8 T& ]; H }) [: ?6 i第1章:使用Python库分析处理Kobe Bryan职业生涯数据
9 A8 P% n/ Y5 w3 Y( t6 m章节1课程简介章节预览& x: P6 \' Y" |& ~
章节2课程数据,代码下载
6 G/ F( ]7 ?' O- r章节3使用Anaconda搭建python环境13:10
; I* K# l/ }( h. J8 S章节4Kobe Bryan生涯数据读取与简介07:455 ~& Y8 [0 [2 N: g8 G+ n
章节5特征数据可视化展示11:41
1 _, D0 h/ c8 m1 p章节6数据预处理12:32
. n q# V, n+ [4 n- D章节7使用scikit-learn建立分类模型10:12: j% K& u0 [8 D- X5 ?2 y2 E! u
. s3 i# V# Q* y" {/ J第2章:信用卡欺诈行为检测
2 u* p' v+ c# {8 [4 p) X: J. ?9 Y章节8数据简介及面临的挑战10:565 e7 {( u# C5 X% u
章节9数据不平衡问题解决方案13:14' Q9 Z, E y0 \; t' n) k! A5 J- W( h
章节10逻辑回归进行分类预测15:26( V" l' |, t* W" S
章节11使用阈值来衡量预测标准17:048 p( L5 X2 W" q& @2 e3 J! R* \/ K
章节12使用数据生成策略11:00
2 @; q/ K m* g- _0 ^2 z R" u7 {8 f2 O+ y5 u
第3章:鸢尾花数据集分析. x- R0 R+ y1 H; e$ U; t
章节13数据简介与特征章节化展示11:10/ e. T5 x# o6 S. Q& V1 n1 f5 ^
章节14不同特征的分布规则06:32
2 C$ _- K9 @3 M6 {; q章节15决策树模型参数详解11:07+ c1 b( p0 y7 P( K* f
章节16决策树中参数的选择09:28# B( p* }& U5 \! W( Y% K Q
章节17将建立好决策树可视化展示出来08:47
) w" K% r% j/ Y- V @
- h4 w) C7 o {! B- W第4章:泰坦尼克号获救预测' p: R9 C o" [, p( S
章节18船员数据分析06:10! A5 C0 u0 F6 S% ~1 {9 {
章节19数据预处理13:36
m# ]( M* Y: `6 P7 |9 E+ I章节20使用回归算法进行预测14:30
7 X0 r" b2 N$ ^/ U章节21使用随机森林改进模型12:56# o' J. v2 G/ Z
章节22随机森林特征重要性分析10:405 v9 p' ~9 Z' O8 [2 ?, @
( F" U1 n2 x' ^1 U' x( I8 `第5章:级联结构的机器学习模型( q. m0 x: O4 _' q! n! W! m! L
章节23级联模型原理05:06
9 U% y ^3 C* N. \章节24数据预处理与热度图10:25 E; K; e$ ^; \, ~" _
章节25二阶段输入特征制作06:35
$ t* h- R- M7 ?9 v章节26使用级联模型进行预测13:29
7 u5 l1 Q7 h/ E/ F' Z" _; i: U* O7 T! F8 ?2 r5 f
第6章:员工离职预测; T: ^, L6 j6 O% i4 Q6 r
章节27数据简介与特征预处理13:34
5 S0 L$ }$ y9 a章节28员工不同属性指标对结果的影响15:42
1 h2 a& J! [5 ~& Y) I章节29数据预处理12:03
( d- u: F6 M/ e* |8 m章节30构建预测模型10:28' w1 [+ r; d; y6 k9 z1 O4 k
章节31基于聚类模型的分析05:42
2 Z/ ~" e9 F* H9 @$ F
. f" R. \ ^" f$ y7 g第7章:使用神经网络进行手写字体识别(mnist)$ D+ d3 ~4 r0 X
章节32tensorflow框架的安装07:09) {5 a5 A7 u5 s7 V$ h
章节33神经网络模型概述12:53" ~) _! k. e5 g' g
章节34使用tensorflow设定基本参数09:524 f/ H, n* z& ]/ i/ r1 j
章节35卷积神经网络模型10:49
[$ {0 r5 g7 r# p章节36构建完整的神经网络模型14:320 r: _, p' r& S
章节37训练神经网络模型12:34
( e" D* c8 \4 J! f8 f! Z8 U& R( p- b
第8章:主成分分析(PCA)
) K, {1 d6 b/ n$ w章节38PCA原理简介05:34
. `% d2 j7 n* M9 h章节39数据预处理08:42
+ D0 k) N: }! W0 F% a- v& A章节40协方差分析10:27& R0 e' Y6 E# a7 |: B# L
章节41使用PCA进行降维07:46
" z4 Q! o0 K6 n+ D" |" D) j
{; V5 q2 T4 u3 Q第9章:基于NLP的股价预测 D: K; F0 Q0 a- g ]
章节42数据简介与故事背景04:11
h' C; ^3 m( E章节43基于词频的特征提取10:25
8 Q6 ~; D& O& F8 X& \章节44改进特征选择方法12:25
/ I8 m$ L5 M& T' C# G) U X6 o# O- ] G
第10章:借贷公司数据分析8 Y# O B3 {# t$ o
章节45数据清洗12:08
' t7 c8 }$ I$ j3 f0 f0 |/ W" s章节46数据预处理10:12' ^7 E# W9 a$ t* q
章节47盈利方法和模型评估13:26
v% Z' ?* d$ T1 N: g章节48预测结果12:47
& _4 v' X; A0 P9 p7 V6 t. g/ r. k7 w9 V7 v. S3 A5 `
) l) @+ i" K6 a) W
6 D) Z( o# l/ M A( Q; a E
- |1 h8 A. i# ^# d v. M% A |
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
|