课程名称适应人群Python 数据科学算法数据分析从业者 刚入行数据分析的伙伴本课程使用Python语言及其分析与建模工具库。 对数据挖掘和机器学习领域中经典的算法给出完整的原理推导及实例进行讲解，基于实际案例演示如何应用机器学习算法进行实际问题的解

课时名称课时知识点Python机器学习零基础理解DBSCAN聚类无监督学习算法 DBSCAN 是观察无标签数据集自动发现隐藏结构和层次，在无标签数据中寻找隐藏规律，是一种典型的基于密度的聚类方法。

课时名称课时知识点Python机器学习零基础理解PCA主成分分析PCA（Principal Component Analysis）是数据科学可视化和降维不可或缺的工具，虽然是一种常见的数据分析方式，但通常隐藏在复杂的数学中。常用于高维数据的降维，可用

课时名称课时知识点Python机器学习零基础理解XGBoostXGBoost（eXtreme Gradient Boosting）是一种决策树梯度提升算法的实现。决策树是一种使用如下图所示的树状模型对数据集进行分类，分析影响结果的因素，并利用分类结果

课时名称课时知识点Python机器学习零基础理解时间序列ARIMAARIMA 是最流行的统计模型之一。它代表自回归综合移动平均线，它适用于时间序列数据，用于预测或更好地理解数据。

课时名称课时知识点Python机器学习零基础理解K-means聚类将不同的数据信息，使用正确的标签对数据进行监督学习叫做分类，无监督学习中的聚类。分类是一种将预定分类应用于新数据的方法，而聚类是一种在数据中寻找相似对象组的方法。

课时名称课时知识点Python机器学习零基础理解K近邻算法K-最近邻 (KNN) 用于回归和分类。通过计算测试数据与所有训练点之间的距离，KNN 尝试为测试数据预测正确的类别。然后选择与测试数据最相似的K个点。

课时名称课时知识点Python机器学习零基础理解逻辑回归分析线性回归分析是一种假设目标变量与解释变量之间存在线性关系的分析方法。X 和 Y 之间的线性关系意味着如果 X 发生变化，Y 也会发生变化，但 Y 随 X 变化而变化的速率始终是恒定的。换句话

课时名称课时知识点Python机器学习零基础理解支持向量机随着近年来AI（人工智能）的兴起，各种类型的机器学习开始受到关注。 其中之一是 SVM（支持向量机）。支持向量机是一种基于高级数学理论的方法，是深度学习兴起之前最流行的机器学习方法之一。

课时名称课时知识点Python机器学习零基础理解决策树分析决策树，顾名思义是一种使用树结构对数据进行分类的方法。属于有监督学习的一种。

课时名称课时知识点《Python入门编程基础》为 Python 初学者学习基本概念，这将帮助学生开始学习 Python 的旅程。这些教程侧重于需要了解的有关 Python 的绝对必要的知识。

课时名称课时知识点Python机器学习零基础理解随机森林算法随机森林是决策树的升级版本，是一种基于决策树的集体学习算法。 如果树的深度没有限制，决策树将过度拟合训练数据。为了弥补这个缺点，我们准备了多个随机关注数据特征创建的决策树。对每个输出进行多数

课时名称课时知识点Python机器学习零基础理解朴素贝叶斯概率的概念是独一无二的。特别是它采用了与描述性和推论性统计截然不同的方法。正因如此贝叶斯统计的拥护者被特别称为 贝叶斯主义者。