投稿

python数据分析与机器学习实战

2.4万

76

2018-11-15 14:53:54

计算机科学

Panda_Studio 发消息

01人工智能入门指南课时2-首选Python

09:21

01人工智能入门指南课时3 Python我该怎么学

04:22

01人工智能入门指南课时4 人工智能的核心机器学习

10:35

01人工智能入门指南课时5机器学习怎么学

08:38

01人工智能入门指南课时6算法推导与案例

08:21

02Python科学计算库-Numpy 课时7 使用Anaconda安装python环境（Python新手先看这个）

13:11

02Python科学计算库-Numpy 课时9 科学计算库Numpy

10:33

02Python科学计算库-Numpy 课时10 Numpy基础结构

10:45

02Python科学计算库-Numpy 课时11 Numpy矩阵基础

05:56

02Python科学计算库-Numpy 课时12 Numpy常用函数

12:03

02Python科学计算库-Numpy 课时13 矩阵常用操作

10:19

02Python科学计算库-Numpy 课时14 不同复制操作对比

10:50

03python数据分析处理库-Pandas 课时15 Pandas数据读取

11:51

03python数据分析处理库-Pandas 课时16 Pandas索引与计算

10:28

03python数据分析处理库-Pandas 课时17 Pandas数据预处理实例

13:04

03python数据分析处理库-Pandas 课时18 Pandas常用预处理方法

11:13

03python数据分析处理库-Pandas 课时19 Pandas自定义函数

07:45

03python数据分析处理库-Pandas 课时20 Series结构

12:30

04Python数据可视化库-Matplotlib 课时21折线图绘制

08:25

04Python数据可视化库-Matplotlib 课时22子图操作

14:04

04Python数据可视化库-Matplotlib 课时23条形图与散点图

10:12

04Python数据可视化库_Matplotlib_课时24柱形图与盒图

10:17

04Python数据可视化库_Matplotlib_课时25细节设置

06:13

05Python可视化库Seaborn_课时26Seaborn简介

02:45

05Python可视化库Seaborn_课时27整体布局风格设置_YYcig

07:48

05Python可视化库Seaborn_课时28风格细节设置

06:50

05Python可视化库Seaborn_课时29调色板

10:40

05Python可视化库Seaborn_课时30调色板颜色设置

08:18

05Python可视化库Seaborn_课时31单变量分析绘图

09:39

05Python可视化库Seaborn_课时32回归分析绘图

08:53

05Python可视化库Seaborn_课时33多变量分析绘图

10:36

05Python可视化库Seaborn_课时34分类属性绘图

09:40

05Python可视化库Seaborn_课时35Facetgrid使用方法

08:49

05Python可视化库Seaborn_课时36Facetgrid绘制多变量

08:30

05Python可视化库Seaborn_课时37热度图绘制

14:19

06线性回归算法原理推导_课时38线性回归算法概述

14:23

06线性回归算法原理推导_课时39误差项分析

11:33

06线性回归算法原理推导_课时40似然函数求解

09:35

06线性回归算法原理推导_课时41目标函数推导

09:21

06线性回归算法原理推导_课时42线性回归求解

10:57

07梯度下降策略_课时43梯度下降原理

11:43

07梯度下降策略_课时44梯度下降方法对比

07:20

07梯度下降策略_课时45学习率对结果的影响

06:08

08逻辑回归算法_课时46逻辑回归算法原理推导

10:52

08逻辑回归算法_课时47逻辑回归求解

14:53

09案例实战：Python实现逻辑回归与梯度下降策略_课时48Python实现逻辑回归任务概述

07:33

09案例实战：Python实现逻辑回归与梯度下降策略_课时49完成梯度下降模块

12:51

09案例实战：Python实现逻辑回归与梯度下降策略_课时50停止策略与梯度下降案例

10:55

09案例实战：Python实现逻辑回归与梯度下降策略_课时51实验对比效果

10:25

10项目实战_交易数据异常检测__课时59混淆矩阵

08:52

10项目实战_交易数据异常检测_课时52案例背景和目标

08:32

10项目实战_交易数据异常检测_课时53样本不均衡解决方案

10:17

10项目实战_交易数据异常检测_课时54下采样策略

06:36

10项目实战_交易数据异常检测_课时55交叉验证

13:03

10项目实战_交易数据异常检测_课时56模型评估方法

13:05

10项目实战_交易数据异常检测_课时57正则化惩罚

08:09

10项目实战_交易数据异常检测_课时58逻辑回归模型

07:37

10项目实战_交易数据异常检测_课时60逻辑回归阈值对结果的影响

10:01

10项目实战_交易数据异常检测_课时61SMOTE样本生成策略

15:51

11决策树算法_课时62决策树原理概述

12:25

11决策树算法_课时63衡量标准_熵

11:03

11决策树算法_课时64决策树构造实例

10:09

11决策树算法_课时65信息增益率

05:50

11决策树算法_课时66决策树剪枝策略

15:31

12案例实战：使用sklearn构造决策树模型_课时67决策树复习

08:54

12案例实战：使用sklearn构造决策树模型_课时68决策树涉及参数

11:08

12案例实战：使用sklearn构造决策树模型_课时69树可视化与sklearn库简介

18:14

12案例实战：使用sklearn构造决策树模型_课时70sklearn参数选择

11:46

13集成算法与随机森林__课时72特征重要性衡量

13:51

13集成算法与随机森林__课时73提升模型

11:15

13集成算法与随机森林__课时74堆叠模型

07:09

13集成算法与随机森林_课时71集成算法_随机森林_x

12:02

14案例实战：泰坦尼克获救预测_课时75船员数据分析

11:02

14案例实战：泰坦尼克获救预测_课时76数据预处理

11:39

14案例实战：泰坦尼克获救预测_课时77使用回归算法进行预测

12:12

14案例实战：泰坦尼克获救预测_课时78使用随机森林改进模型

13:26

14案例实战：泰坦尼克获救预测_课时79随机森林特征重要性分析

15:56

15贝叶斯算法_课时80贝叶斯算法概述

07:00

15贝叶斯算法_课时81贝叶斯推导实例

07:39

15贝叶斯算法_课时82贝叶斯拼写纠错实例_i

11:46

15贝叶斯算法_课时83垃圾邮件过滤实例

14:10

15贝叶斯算法_课时84贝叶斯实现拼写检查器

12:20

16Python文本数据分析：新闻分类任务_课时85文本分析与关键词提取

12:12

16Python文本数据分析：新闻分类任务_课时88TF_IDF关键词提取

13:29

16Python文本数据分析：新闻分类任务_课时89LDA建模

09:11

16Python文本数据分析：新闻分类任务_课时90基于贝叶斯算法进行新闻分类

14:54

17支持向量机_课时91支持向量机要解决的问题

10:05

17支持向量机_课时93目标函数_Y

09:41

17支持向量机_课时94目标函数求解_Xw6Zu

11:27

17支持向量机_课时95SVM求解实例

13:46

17支持向量机_课时96支持向量的作用

11:53

17支持向量机_课时97软间隔问题

06:46

17支持向量机_课时98SVM核变换

16:52

18案例：SVM调参实例_课时99sklearn求解支持向量机

11:24

18案例：SVM调参实例_课时100SVM参数选择_eBNzPI1U

13:59

19聚类算法-Kmeans_课时101KMEANS算法概述

11:33

19聚类算法-Kmeans_课时102KMEANS工作流程

09:43

19聚类算法-Kmeans_课时103KMEANS迭代可视化展示

08:20

19聚类算法-Kmeans_课时104使用Kmeans进行图像压缩_TDuMOl

08:00

课时105DBSCAN聚类算法

11:05

课时106DBSCAN工作流程

15:04

课时107DBSCAN可视化展示_V

08:53

课时110PCA降维概述_lx

08:41

课时111PCA要优化的目标

12:22

课时112PCA求解

10:20

课时113PCA实例

08:34

课时114初识神经网络

11:27

课时115计算机视觉所面临的挑战

09:40

课时116K近邻尝试图像分类

10:01

课时117超参数的作用

10:31

课时118线性分类原理

09:34

课时119神经网络_损失函数

09:18

课时120神经网络_正则化惩罚项

07:21

课时121神经网络_softmax分类器

13:40

课时122神经网络_最优化形象解读

06:48

课时123神经网络_梯度下降细节问题_4z

11:50

课时124神经网络_反向传播

15:17

课时125神经网络架构

10:13

课时126神经网络实例演示

10:40

课时127神经网络过拟合解决方案

15:54

课时128感受神经网络的强大_k

11:31

课时129集成算法思想

05:36

课时130xgboost基本原理

11:08

课时131xgboost目标函数推导

12:18

课时132xgboost求解实例

11:30

课时133xgboost安装

03:38

顶部