请选择 进入手机版 | 继续访问电脑版
查看: 257|回复: 0

Python3数据分析与挖掘建模实战视频教程

[复制链接]

9万

主题

9万

帖子

28万

积分

管理员

管理员

Rank: 9Rank: 9Rank: 9

积分
281531
QQ
发表于 2019-1-15 10:01:13 | 显示全部楼层 |阅读模式

第1章 课程先容【赠予相关电子书+随堂代码】
本章首先先容本课程是什么,有什么特点,能进修到什么,内容若何放置,需要什么根本,能否合适进修这门课程等。然后对数据分析停止概述,让大师对数据分析的寄义和感化有一个整体的认知,让大师对自己接下来要做的工作,有一个根基的概念与领会。...
1-1 课程导学
1-2 数据分析概述
第2章 数据获得
数据从那里来?怎样来?这一章,我们会先容数据获得的一般手段。首要包括数据仓库、抓取、材料填写、日志、埋点、计较等手段。同时,我们也会先容几个常用的数据网站,供大师参考与进修。
2-1 数据仓库
2-2 监测与抓取
2-3 填写、埋点、日志、计较
2-4 数据进修网站
第3章 单因子摸索分析与数据可视化
有了数据,若何上手?这一章,我们会先容摸索分析的一部分---单因子摸索分析和可视化的内容。我们会以根本的统计理论常识为切入点,进修异常值分析、对照分析、结构分析、散布分析。同时,引入接下来几章城市用到的案例-HR人力资本分析表,并用理论与可视化的方式,完成对此表的初步分析。...
3-1 数据案例先容
3-2 集合趋向,离中趋向
3-3 数据散布--偏态与峰度
3-4 抽样理论
3-5 编码实现(基于Python2.7)
3-6 数据分类
3-7 异常值分析
3-8 对照分析
3-9 结构分析
3-10 散布分析
3-11 Satisfaction Level的分析
3-12 LastEvaluation的分析
3-13 NumberProject的分析
3-14 AverageMonthlyHours的分析
3-15 TimeSpendCompany的分析
3-16 WorkAccident的分析
3-17 Left的分析
3-18 PromotionLast5Years的分析
3-19 Salary的分析
3-20 Department的分析
3-21 简单对照分析操纵
3-22 可视化-柱状图
3-23 可视化-直方图
3-24 可视化-箱线图
3-25 可视化-折线图
3-26 可视化-饼图
3-27 本章小结
第4章 多因子摸索分析
上了手,然后呢?这一章,我们先容摸索分析的另一部分---多因子复合摸索分析。我们一样以根本的统计常识为切入点,进修多因子间相互影响与配合的分析方式,如穿插分析、分组分析、相关分析、成份分析等。同时,以HR人力资本分析表为例,停止进一步的摸索。...
4-1 假定检验
4-2 卡方检验
4-3 方差检验
4-4 相关系数
4-5 线性回归
4-6 主成份分析
4-7 编码实现
4-8 穿插分析方式与实现
4-9 分组分析方式与实现
4-10 相关分析与实现
4-11 因子分析与实现
4-12 本章小结
第5章 预处置理论
数据已领会,用起来!不焦急,先加工。这一章,我们会先容特征工程的首要内容,重点会先容数据清洗和数据特征预处置的首要内容,包括数据清洗、特征获得、特征处置(内含对指化、归一化、标准化等)、特征降维、特征衍生。预处置的黑白,间接影响着接下来模子的结果。...
5-1 特征工程概述
5-2 数据样本收集
5-3 异常值处置
5-4 标注
5-5 特征挑选
5-6 特征变更-对指化
5-7 特征变更-离散化
5-8 特征变更-归一化与标准化
5-9 特征变更-数值化
5-10 特征变更-正规化
5-11 特征降维-LDA
5-12 特征衍生
5-13 HR表的特征预处置-1
5-14 HR表的特征预处置-2
5-15 本章小结
第6章 挖掘建模
把数据用起来!这一章,我们会先容数据挖掘与建模的首要内容。首要包括五类模子的建立与理论,别离为:分类模子(KNN、朴实贝叶斯、决议树、SVM、集成方式、GBDT……),回归模子与回归思惟分类(线性回归、逻辑斯特回归【也叫罗吉回归,逻辑回归。音译区分】、神经收集、回归树),聚类模子(K-means、DBSCAN、条理聚类、...
6-1 机械进修与数据建模
6-2 练习集、考证集、测试集
6-3 分类-KNN
6-4 分类-朴实贝叶斯
6-5 分类-决议树
6-6 分类-支持向量机
6-7 分类-集成-随机森林
6-8 分类-集成-Adaboost
6-9 回归-线性回归
6-10 回归-分类-逻辑回归
6-11 回归-分类-野生神经收集-1
6-12 回归-分类-野生神经收集-2
6-13 回归-回归树与提升树
6-14 聚类-Kmeans-1
6-15 聚类-Kmeans-2
6-16 聚类-DBSCAN
6-17 聚类-条理聚类
6-18 聚类-图割裂
6-19 关联-关联法则-1
6-20 关联-关联法则-2
6-21 半监视-标签传布算法
6-22 本章小结
第7章 模子评价
哪个模子好?上一章,我们进修了很多模子,一个数据集,能够用多种模子都可以停止建模,那末哪类模子好,就需要有些目标化的工具帮我们决议。这一章,我们会先容利用混淆矩阵和响应的目标、ROC曲线与AUC值来评价分类模子;用MAE、MSE、R2来评价回归模子;用RMS、表面系数来评价聚类模子。...
7-1 分类评价-混淆矩阵
7-2 分类评价-ROC、AUC、提升图与KS图
7-3 回归评价
7-4 非监视评价
第8章 总结与展望
这一章,我们将回首本课程的全数内容,并从多个角度,重新看待我们的数据分析工作。最初,我们会领会到,进修了这门课程今后,还可以在哪些方面停止成长。
8-1 课程回首与多角度看数据分析
8-2 大数据与进修这门课后还能干什么?
下载地址:
游客,如果您要查看本帖隐藏内容请回复

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|IT视频教程资源网 ( 粤ICP备2022015727号 )

GMT+8, 2024-3-29 00:39 , Processed in 2.107005 second(s), 24 queries .

快速回复 返回顶部 返回列表

客服
热线

微信 webshop6
7*24小时微信 客服服务

扫码添
加微信

添加客服微信 webshop6 获取更多

关注
公众号

关注微信公众号 webjianzhan