2017python数据分析与机器学习实战(从基础到实战完美版)视频+源码

作者: admin 分类: Python教程合集 发布时间: 2017-11-21 08:53

目录

章节1: Python科学计算库-Numpy

课时1课程介绍(主题与大纲)  10:46

课时2机器学习概述  10:04

课时3使用Anaconda安装python环境(Python新手先看这个)  13:10

课时4课程数据,代码,PPT(在参考资料界面)

课时5科学计算库Numpy  10:32

课时6Numpy基础结构  10:41

课时7Numpy矩阵基础  05:55

课时8Numpy常用函数  12:02

课时9矩阵常用操作  10:18

课时10不同复制操作对比  10:49

 

章节2: python数据分析处理库-Pandas

课时11Pandas数据读取  11:50

课时12Pandas索引与计算  10:26

课时13Pandas数据预处理实例  13:01

课时14Pandas常用预处理方法  11:11

课时15Pandas自定义函数  07:44

课时16Series结构  12:29

 

章节3: Python数据可视化库-Matplotlib

课时17折线图绘制  08:25

课时18子图操作  14:05

课时19条形图与散点图  10:12

课时20柱形图与盒图  10:17

课时21细节设置  06:13

 

章节4: Python可视化库Seaborn

课时22Seaborn简介  02:44

课时23整体布局风格设置  07:48

课时24风格细节设置  06:50

课时25调色板  10:40

课时26调色板颜色设置  08:18

课时27单变量分析绘图  09:38

课时28回归分析绘图  08:53

课时29多变量分析绘图  10:36

课时30分类属性绘图  09:40

课时31Facetgrid使用方法  08:50

课时32Facetgrid绘制多变量  08:30

课时33热度图绘制  14:19

 

章节5: 回归算法

课时34回归算法综述  09:42

课时35回归误差原理推导  13:01

课时36回归算法如何得出最优解  12:05

课时37基于公式推导完成简易线性回归  08:40

课时38逻辑回归与梯度下降  16:59

课时39使用梯度下降求解回归问题  15:13

 

章节6: 决策树

课时40决策树算法综述  09:40

课时41决策树熵原理  13:20

课时42决策树构造实例  11:00

课时43信息增益原理  05:27

课时44信息增益率的作用  16:39

课时45决策树剪枝策略  12:08

课时46随机森林模型  09:15

课时47决策树参数详解  17:49

 

章节7: 贝叶斯算法

课时48贝叶斯算法概述  06:58

课时49贝叶斯推导实例  07:38

课时50贝叶斯拼写纠错实例  11:46

课时51垃圾邮件过滤实例  14:10

课时52贝叶斯实现拼写检查器  12:21

 

章节8: 支持向量机

课时53支持向量机要解决的问题  12:01

课时54支持向量机目标函数  10:01

课时55支持向量机目标函数求解  10:05

课时56支持向量机求解实例  14:18

课时57支持向量机软间隔问题  06:55

课时58支持向量核变换  10:17

课时59SMO算法求解支持向量机  29:29

 

章节9: 神经网络

课时60初识神经网络  11:28

课时61计算机视觉所面临的挑战  09:40

课时62K近邻尝试图像分类  10:01

课时63超参数的作用  10:31

课时64线性分类原理  09:35

课时65神经网络-损失函数  09:18

课时66神经网络-正则化惩罚项  07:19

课时67神经网络-softmax分类器  13:39

课时68神经网络-最优化形象解读  06:47

课时69神经网络-梯度下降细节问题  11:49

课时70神经网络-反向传播  15:17

课时71神经网络架构  10:11

课时72神经网络实例演示  10:39

课时73神经网络过拟合解决方案  15:54

课时74感受神经网络的强大  11:30

 

章节10: Xgboost集成算法

课时75集成算法思想  05:35

课时76xgboost基本原理  11:07

课时77xgboost目标函数推导  12:18

课时78xgboost求解实例  11:29

课时79xgboost安装  03:32

课时80xgboost实战演示  14:44

课时81Adaboost算法概述  13:01

 

章节11: 自然语言处理词向量模型-Word2Vec

课时82自然语言处理与深度学习  11:58

课时83语言模型  06:16

课时84-N-gram模型  08:32

课时85词向量  09:28

课时86神经网络模型  10:03

课时87Hierarchical Softmax  10:01

课时88CBOW模型实例  11:21

课时89CBOW求解目标  05:39

课时90梯度上升求解  10:11

课时91负采样模型  07:15

 

章节12: K近邻与聚类

课时92无监督聚类问题  16:04

课时93聚类结果与离群点分析  12:55

课时94K-means聚类案例对NBA球员进行评估  14:23

课时95使用Kmeans进行图像压缩  07:58

课时96K近邻算法原理  12:34

课时97K近邻算法代码实现  18:44

 

章节13: PCA降维与SVD矩阵分解

课时98PCA基本原理  10:48

课时99PCA实例  08:34

课时100SVD奇异值分解原理  10:08

课时101SVD推荐系统应用实例  13:31

 

章节14: scikit-learn模型建立与评估

课时102使用python库分析汽车油耗效率  15:09

课时103使用scikit-learn库建立回归模型  14:02

课时104使用逻辑回归改进模型效果  13:12

课时105 模型效果衡量标准  20:09

课时106ROC指标与测试集的价值  14:31

课时107交叉验证  15:15

课时108多类别问题  15:52

 

章节15: Python库分析科比生涯数据

课时109Kobe Bryan生涯数据读取与简介  07:45

课时110特征数据可视化展示  11:41

课时111数据预处理  12:32

课时112使用Scikit-learn建立模型  10:12

 

章节16: 机器学习项目实战-泰坦尼克获救预测.

课时113船员数据分析  11:024

课时114数据预处理  11:39

课时115使用回归算法进行预测  12:13

课时116使用随机森林改进模型  13:25

课时117随机森林特征重要性分析  15:55

 

章节17: 机器学习项目实战-交易数据异常检测

课时118案例背景和目标  08:32

课时119样本不均衡解决方案  10:18

课时120下采样策略  06:36

课时121交叉验证  13:03

课时122模型评估方法  13:06

课时123正则化惩罚  08:09

课时124逻辑回归模型  07:37

课时125混淆矩阵  08:53

课时126逻辑回归阈值对结果的影响  10:01

课时127SMOTE样本生成策略  15:51

 

章节18: Python文本数据分析:新闻分类任务

课时128文本分析与关键词提取  12:11

课时129相似度计算  11:44

课时130新闻数据与任务简介  10:20

课时131TF-IDF关键词提取  13:28

课时132LDA建模  09:10

课时133基于贝叶斯算法进行新闻分类  14:53

 

章节19: Python时间序列分析

课时134章节简介  01:03

课时135Pandas生成时间序列  11:28

课时136Pandas数据重采样  09:22

课时137Pandas滑动窗口  07:47

课时138数据平稳性与差分法  11:10

课时139ARIMA模型  10:34

课时140相关函数评估方法  10:46

课时141建立ARIMA模型  07:48

课时142参数选择  12:40

课时143股票预测案例  09:57

课时144使用tsfresh库进行分类任务  12:04

课时145维基百科词条EDA  14:30

 

章节20: 使用Gensim库构造中文维基百度数据词向量模型

课时146使用Gensim库构造词向量  06:22

课时147维基百科中文数据处理  10:27

课时148Gensim构造word2vec模型  08:52

课时149测试模型相似度结果  07:42

 

章节21: 机器学习项目实战-贷款申请最大化利润

课时150数据清洗过滤无用特征  12:08

课时151数据预处理  10:12

课时152获得最大利润的条件与做法  13:26

课时153预测结果并解决样本不均衡问题  12:47

 

章节22: 机器学习项目实战-用户流失预警

课时154数据背景介绍  06:35

课时155数据预处理  10:05

课时156尝试多种分类器效果  08:32

课时157结果衡量指标的意义  19:50

课时158应用阈值得出结果  06:26

 

章节23: 探索性数据分析-足球赛事数据集

课时159内容简介  02:13

课时160数据背景介绍  10:30

课时161数据读取与预处理  13:09

课时162数据切分模块  14:42

课时163缺失值可视化分析  13:27

课时164特征可视化展示  12:23

课时165多特征之间关系分析  11:21

课时166报表可视化分析  10:38

课时167红牌和肤色的关系  17:16

 

章节24: 探索性数据分析-农粮组织数据集

课时168数据背景简介  11:05

课时169数据切片分析  17:26

课时170单变量分析  15:21

课时171峰度与偏度  11:37

课时172数据对数变换  09:43

课时173数据分析维度  06:55

课时174变量关系可视化展示  12:22

 

章节25: 机器学习项目实战-HTTP日志聚类分析

课时175建立特征工程  17:25

课时176特征数据预处理  10:34

课时177应用聚类算法得出异常IP点  17:59

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!

更多阅读