【Python】第14周数据挖掘与机器学习基础(上)

csdn特训营 2023-01-12 23:50:24

课程名称	适应人群
【Python】第14周数据挖掘与机器学习基础(上)	所有人

本周课程讲解数据分析与机器学习的基础模块，主要包含Jupyter开发环境的基本使用和常用魔法命令，Numpy中的ndarray、矩阵运算、切片与合并，Pandas的数据结构(Series与DataFrame)、加载数据和数据汇总操作

...全文

753 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

福根儿 2019-01-15

打赏
举报

老师讲的真的很棒！！！看过不少类似的视频，这是讲的最清晰明白的了，没有之一！

qq_33712238 2018-12-31

打赏
举报

每句都是重点，讲师经验一流，十分钟时间可以把一些老师的40分钟的内容讲完，我是回来复习的，因为忘的比学得快，收益多多

银鴉 2018-12-31

打赏
举报

很详细！！！老师讲的

爱吃的貔貅 2018-10-20

打赏
举报

貌似没有将这个数组的广播啊

小槟鱼 2018-10-13

打赏
举报

第一节视频加载起来好卡

小槟鱼 2018-10-13

@小槟鱼第一节视频加载起来好卡

weixin_40963920 2018-08-30

打赏
举报

好的stat的知识都有点忘记列均匀分布应该就是说区间之间每个值出现的几率一样正太分布则是在数轴上越接近中间的值出现的几率越大，bell的形状

该文档总结了常用的数据挖掘的算法原理以及Python实践内容，为初学者提供良好的参考资料，需要的朋友可看看！第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章探索性数据分析（EDA）.11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章决策树19 第六章朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章集成学习(Esemble Learning)43 第十一章模型评估46 第四部分非监督学习---聚类与关联分析50 第十二章 Kmeans 聚类分析.50 第十三章关联分析 Apriori.52 第十四章数据预处理之数据降维54 第五部分 Python 数据预处理.57 第十五章 Python 数据分析基础.57 第十六章 Python 进行数据清洗.77 第六部分数据结构与算法82 第七部分 SQL 知识.86 第八部分 数据挖掘案例分析87 案例一 A Journey through Titanic 597c770e .87 案例二 Analysis forairplane-crashes-since-190894 案例三贷款预测问题98 案例四 KNN 算法实现葡萄酒价格模型预测及交叉验证107

本书适合有志于从事数据挖掘的初学者，需要的朋友可看看第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章决策树19 第六章朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章集成学习(Esemble Learning)43 第十一章模型评估46 第四部分非监督学习---聚类与关联分析50 第十二章 Kmeans 聚类分析 .50 第十三章关联分析 Apriori.52 第十四章数据预处理之数据降维54 第五部分 Python 数据预处理 .57 第十五章 Python 数据分析基础 .57 第十六章 Python 进行数据清洗 .77 第六部分数据结构与算法82 第七部分 SQL 知识.86 第八部分 数据挖掘案例分析87 案例一 A Journey through Titanic 597c770e .87 案例二 Analysis for airplane-crashes-since-190894 案例三贷款预测问题98 案例四 KNN 算法实现葡萄酒价格模型预测及交叉验证107

目录： 01 IE课程介绍 02 数据挖掘介绍 03 IE第一天回顾 04 Python基础 05 Python基础语法01 06 Python网络 01 07 Python网络 02 08 python数据可视化 09 数学基础01 10 数学基础02 11 决策树算法 12 第三周回顾 13 数据预处理01 14 数据预处理02 15 数据预处理03 16 数据预处理择回顾 17 特征选择 18 特征降维01 19 特征降维02 20 有监督学习01 21 有监督学习02 22 有监督学习回顾 23 无监督学习 24 第七章模型评估与优化 25 有监督无监督回顾 26 第八章 数据挖掘综合应用 27 Spark Milb 28 房屋销售信用卡预测 29 类型预测 30 产品预测 31 华为机器学习服务MLS 32 大数据架构与数据治理 33 IE课程回归01 34 大数据挖掘

编者按：本文节选自方巍著《Python数据挖掘与机器学习实战》一书中的部分章节。 3.4　用Python实现多元线性回归当结果值的影响因素有多个时，可以采用多元线性回归模型。例如，商品的销售额可能与电视广告投入、收音机广告投入和报纸广告投入有关系，可以有： $Sales=eta_0+eta_1TV+eta_2Radio+eta_3Newspaperquadquadquadquadquadquad...

本周课程讲解数据分析与机器学习的基础模块，主要包含Jupyter开发环境的基本使用和常用魔法命令，Numpy中的ndarray、矩阵运算、切片与合并，Pandas的数据结构(Series与DataFrame)、加载数据和数据汇总操作...

CSDN就业班的课程社区_NO_8

社区成员

173

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章

【Python】第14周 数据挖掘与机器学习基础(上)

【Python】第14周数据挖掘与机器学习基础(上)