投稿

python数据分析下

2019

0

2019-07-26 15:48:00

python数据分析

sheliang84 发消息

测试 | 你的心理年龄和你真实年龄相符吗？

心理年龄测试

1000+人感兴趣

课时70sklearn参数选择

11:46

课时71集成算法-随机森林

12:02

课时72特征重要性衡量

13:51

课时73提升模型

11:15

课时74堆叠模型

07:09

课时75船员数据分析

11:02

课时76数据预处理

11:38

课时77使用回归算法进行预测

12:12

课时78使用随机森林改进模型

13:26

课时79随机森林特征重要性分析

15:56

课时80贝叶斯算法概述

07:00

课时81贝叶斯推导实例

07:39

课时82贝叶斯拼写纠错实例

11:46

课时83垃圾邮件过滤实例

14:10

课时84贝叶斯实现拼写检查器

12:20

课时85文本分析与关键词提取

12:12

课时86相似度计算

11:44

课时87新闻数据与任务简介

10:21

课时88TF-IDF关键词提取

13:29

课时89LDA建模

09:11

课时90基于贝叶斯算法进行新闻分类

14:54

课时91支持向量机要解决的问题

10:05

课时92距离与数据的定义

10:33

课时93目标函数

09:41

课时94目标函数求解

11:27

课时95SVM求解实例

13:45

课时96支持向量的作用

11:53

课时97软间隔问题

06:46

课时98SVM核变换

16:52

课时99sklearn求解支持向量机

11:24

课时100SVM参数选择

13:59

课时101KMEANS算法概述

11:33

课时102KMEANS工作流程

09:43

课时103KMEANS迭代可视化展示

08:21

课时104使用Kmeans进行图像压缩

08:00

课时105DBSCAN聚类算法

11:05

课时106DBSCAN工作流程

15:05

课时107DBSCAN可视化展示

08:53

课时108多种聚类算法概述

04:34

课时109聚类案例实战

17:21

课时110PCA降维概述

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116 K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

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

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

12:17

课时132xgboost求解实例

11:29

课时133xgboost安装

03:38

课时134xgboost实战演示

14:49

课时135Adaboost算法概述

13:00

课时136自然语言处理与深度学习

12:03

课时137语言模型

06:16

课时138-N-gram模型

08:32

课时139词向量

09:27

课时140神经网络模型

10:03

课时141Hierarchical Softmax-课时142CBOW模型实例

21:28

课时143CBOW求解目标

05:39

课时144梯度上升求解

10:10

课时145负采样模型

07:15

课时146使用Gensim库构造词向量

06:21

课时147维基百科中文数据处理

10:27

课时148Gensim构造word2vec模型

08:55

课时149测试模型相似度结果

07:42

课时150使用python库分析汽车油耗效率

15:08

课时151使用scikit-learn库建立回归模型

14:02

课时152使用逻辑回归改进模型效果

13:11

课时153 模型效果衡量标准

20:09

课时154ROC指标与测试集的价值

14:31

课时155交叉验证

15:15

课时156多类别问题

15:56

课时157Kobe Bryan生涯数据读取与简介

07:45

课时158特征数据可视化展示

11:40

课时159数据预处理

12:31

课时160使用Scikit-learn建立模型

10:11

课时161章节简介

01:02

课时162Pandas生成时间序列

11:28

课时163Pandas数据重采样

09:21

课时164Pandas滑动窗口

07:47

课时165数据平稳性与差分法

11:09

课时166ARIMA模型

10:35

课时167相关函数评估方法

10:46

课时168建立ARIMA模型

07:48

课时169参数选择

12:41

课时170股票预测案例

09:56

课时171使用tsfresh库进行分类任务

12:07

课时172维基百科词条EDA

14:29

课时173数据清洗过滤无用特征

12:09

课时174数据预处理

10:12

课时175获得最大利润的条件与做法

13:27

课时176预测结果并解决样本不均衡问题

12:47

课时177数据背景介绍

06:37

课时178数据预处理

10:05

课时179尝试多种分类器效果

08:32

课时180结果衡量指标的意义

19:51

课时181应用阈值得出结果

06:26

课时182内容简介

02:13

课时183数据背景介绍

10:27

课时184数据读取与预处理

13:08

课时185数据切分模块

14:42

课时186缺失值可视化分析

13:27

课时187特征可视化展示

12:22

课时188多特征之间关系分析

11:21

课时189报表可视化分析

10:38

课时190红牌和肤色的关系

17:16

课时191数据背景简介

11:04

课时192数据切片分析

17:26

课时193单变量分析

15:21

课时194峰度与偏度

11:37

课时195数据对数变换

09:44

课时196数据分析维度

06:55

课时197变量关系可视化展示

12:22

课时198建立特征工程

17:24

课时199特征数据预处理

10:33

课时200应用聚类算法得出异常ip点

17:58

顶部