白嫖拿走！编程大佬花100小时录制的Python数据挖掘课程，手把手教学，项目案例全程实操，学完直接上岸大厂！
正在缓冲...
互联网
大数据成为时代发展一个必然的产物，大数据时代，一切可量化，一切可分析
【Python】有着强大的模块系统，数据分析就是其中一个应用，实现对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用
此教程就带你从零开始学习数据分析，深入探索！
视频选集
（1/99）
自动连播
01什么是数据挖掘，能解决什么问题？)
11:28
02Python的数据结构和基本语法)
15:46
03工欲善其事必先利其器，扩展包与Python环境)
15:09
04了解输入)
02:34
05输入功能实现)
06:01
06体验数据类型转换)
06:45
07数据类型转换函数)
09:57
08总结数据类型的转换)
01:04
09PyCharm交互式开发)
05:19
10运算符的分类)
04:18
11算数运算符)
09:01
12赋值运算符)
07:54
13复合赋值运算符)
06:16
14复合赋值注意点)
05:41
15比较运算符)
05:57
16逻辑运算符)
08:55
17逻辑运算符书写习惯)
03:34
18数字的逻辑运算)
03:21
19运算符总结)
04:14
20理解业务和数据：我们需要做好什么计划？)
13:13
21准备数据：如何处理出完整、干净的数据？)
14:09
22数据建模：该如何选择一个适合我需求的算法？)
14:41
23模型评估：如何确认我们的模型已经达标？)
13:09
24模型应用：我们的模型是否可以解决业务需求？)
13:42
25KNN算法：近朱者赤，近墨者黑)
08:38
26决策树：女神使用的约会决策)
11:52
27朴素贝叶斯：算一算你是否要买延误险)
10:12
28支持向量机（SVM）：用一条线分开红豆与绿豆)
10:30
29人工神经网络：当前最火热的深度学习基础)
11:03
30实践：使用XGB实现酒店信息消歧)
11:16
31k-mean聚类：擒贼先擒王，找到中心点，它附近的都是一类)
09:53
32DBScan聚类：打破形状的限制，使用密度聚类)
08:28
33实践：如何使用wordvec和k-mean聚类)
07:25
34线性回归与逻辑回归找到一个函数去拟合数据)
09:41
35实践：使用线性回归预测房价)
07:43
36Apriori与FP-Growth：不得不再说一遍啤酒与)
10:28
37实践：用关联分析找到景点与玩法的关系)
12:50
38TF-IDF：一种简单、古老，但有用的关键词提取技术)
08:52
39wordvec：让文字可以进行逻辑运算，女人+王冠=女王)
08:15
40实践：使用fatText进行新闻文本分类)
12:48
41从头创建一个数组)
17:36
42案例实践——如何实现乘法表和老虎机)
09:25
43数组的操作)
12:18
44数组的计算)
07:06
45数组的广播)
15:48
46比较、掩码和布尔逻辑)
10:39
47序列和数据库)
07:37
48索引和切片)
08:49
49通过索引运算和生成新的列)
03:23
50文件的读取和写入)
05:35
51缺失值处理)
09:47
52数据连接)
12:32
53分组和聚合)
07:49
54数据透视表)
11:01
55字符串的处理)
04:10
56 本节小结
00:53
57基础作图——折线图和散点图)
16:39
58基础作图——直方图和饼图)
08:33
59子图和图例)
08:37
60图标设置——标签，表格样式和cmap)
18:26
61高级作图)
15:15
62本节小结)
00:24
63线性回归)
08:42
64逻辑回归的原理、模型实现与正则化)
15:26
65逻辑回归的评估以及最优迭代次数)
18:18
66贝叶斯分类器的实现过程)
07:29
67朴素贝叶斯算法案例——手写数字识别)
03:49
68数据预处理)
21:33
69决策树和随机森林——熵和决策树)
09:43
70决策树和随机森林算法对比)
08:58
71随机森林的调参)
14:59
72支持向量机——核函数)
13:16
73支持向量机是如何防止过拟合的)
09:14
74如何使用Python实现PCA降维算法)
16:53
75如何使用Python实现Kmeans聚类)
07:06
76 本节小结
04:17
77-课前导学)
07:24
78-数据分析概述)
10:37
79-数据仓库)
05:08
80-监测与抓取)
02:59
81-填写、埋点、日志、计算)
02:32
83-统计指标：分布形态~)
08:58
84-数据案例介绍)
04:37
85-集中趋势,离中趋势)
06:07
86-数据分布--偏态与峰度)
04:07
87-抽样理论)
05:11
88-编码实现)
13:33
89-数据分类)
02:41
90-异常值分析)
03:42
91-对比分析)
05:42
92-结构分析)
01:41
93-分布分析)
06:08
94-SatisfactionLevel的分析)
09:43
95-LastEvaluation的分析)
07:50
96-NumberProject的分析)
03:45
97-AverageMonthlyHours的分析)
05:51
98-TimeSpendCompany的分析)
00:55
99-WorkAccident的分析)
00:51
100-Left的分析)
00:26
顶部