传智播客 python 高级编程（day19 MongoDB数据库~day22 机器学习）
http://www.itheima.com/
课程来自网络，如有侵权，私信删除
课程目录如下
day19 MongoDB数据库
day20 爬虫scrapy框架及案例
day21 数据分析
day22 机器学习
不提供资料，请勿私信
视频选集
（1/130）
自动连播
01mongodb的介绍
15:29
02mongodb的安装和启动
06:35
03mongodb的增删改查
30:47
04mongodb的高级查询
30:30
05mongodb的备份恢复
04:01
06mongodb的聚合命令
37:41
01sort skip limit的方法
05:47
02unwind的使用
07:13
03索引的建立
33:40
04mongodb豆瓣练习
01:34
05mongdb的豆瓣练习02
08:23
06pymongo的操作
14:54
01scrapy的介绍
09:02
02scrapy的流程
16:17
03sacrapy的入门使用
29:21
01pipeline的介绍
09:04
02logging模块的使用
20:54
03构造请求和腾讯爬虫
21:51
04 item的介绍与使用
16:13
05阳光政务平台爬虫
20:34
06debug信息的认识
09:51
07scrapy shell的使用
06:30
08scrapy ettings和管道的深入
28:11
01苏宁图书爬虫01
28:05
02苏宁图书爬虫02
27:17
01crawlspider爬虫案例
25:45
02crawlspdier爬虫介绍
09:07
01携带cookie登录
16:35
02下载中间件的学习
19:20
03发送post请求登录
27:04
04介绍和总结
22:48
01贴吧爬虫和crawlspider爬虫
34:11
01scrapyredis的介绍
11:29
02 redis复习
19:31
03domz程序介绍
19:41
04scrapy_redis的源码介绍
44:36
05 jd爬虫
36:25
01当当爬虫01
43:27
02当当爬虫02
05:26
03当当爬虫运行演示
04:30
04亚马逊爬虫
02:50
05亚马逊爬虫02
15:22
06亚马逊爬虫03
26:58
07pycharm发布代码
11:22
08crontab的使用
20:59
01数据分析的介绍(1)
15:21
02jupyter和conda的使用
12:26
01matplotlib的基础绘图01
15:06
02matplotlib的基础绘图和调整x轴的刻度
18:35
03matplotlib的绘制10点到12点的气温
02:49
04matplotlib设置显示中文
23:09
05matplotlib的设置图形信息
04:27
06matplotlib绘制多次图形和不同图形的差异介绍和总结
54:42
01绘制散点图
15:31
02绘制条形图
18:24
03绘制多次条形图
10:39
04绘制直方图
40:05
05更多的绘图工具的了解
15:59
01数组的计算和数组的计算
41:52
02numpy的数组的创建
16:31
01numpy读取本地数据
24:11
02numpy中的索引和切片
18:26
03numpy中更多的索引方式
09:54
01数据的拼接
06:27
02numpy中的随机方法
22:50
03numpy中的nan和常用统计方法
20:48
04numpy中填充nan和youtube数据的练习
37:09
01pandas的series的了解
22:37
02pandas读取外部数据
10:12
01pandas的dataFrame的创建
13:53
02Dataframe的描述信息
16:30
03dataFrame的索引
13:34
04bool索引和确实数据的处理
23:15
01电影数直方图
29:18
02padas的常用统计方法
14:00
01字符串离散化的案例
21:56
02数据合并
19:16
03数据分组聚合
15:16
04数据分组聚合02
15:31
05数据的索引学习
12:19
06 数据分组聚合联系和总结
47:10
01pandas时间序列01
41:10
02pandas时间序列02
30:38
01案例
03:45
02PM2.5案例
27:54
03PM2.5案例02
04:28
04豆瓣电视的案例
18:51
01_机器学习简介
23:30
02_机器学习概述
11:59
03_数据集的组成
16:09
04_特征工程的定义
17:04
05_字典特征数据抽取
20:36
06_文本特征抽取以及中文问题
23:43
07_tf-df分析问题
13:34
09_归一化以及标准化对比
33:56
10_标准化总结以及缺失值处理
01:06
11_标准化总结以及缺失值处理
08:27
22_03_08_特征预处理-归一化
10:35
1_数据的降维之特征选择
37:39
13_降维案例1
18:31
14_降维案例2
10:03
01_第一天复习
06:28
02_数据的划分和介绍
32:55
03_转换器与估计器
17:36
15_机器学习算法分类以及开发流程
29:03
04_k-近邻算法以及案例预测入住位置
49:20
05_K-近邻算法案例
20:06
06_k-近邻算法总结
09:10
07_朴素贝叶斯算法原理
37:20
08_朴素贝叶斯算法对新闻进行分类案例
15:54
09_朴素贝叶斯算法总结
05:04
10_精确率和召回率
20:34
11_交叉验证与网络搜索对K-近邻算法调优
26:59
12_决策树之信息论基础
22:57
13_决策树的划分以及案例
45:31
14_决策树的保存结果分析
05:56
15_随机森林的原理以及案例调优
22:44
01_第二天知识回顾
03:44
02_线性回归的定义以及矩阵的运算
46:30
03_线性回归策略，优化，案例
55:46
04_线性回归两种求解方式总结
11:38
05_过拟合以及欠拟合
31:45
06_Ridge岭回归分析
06:08
day02_16_每日总结
16:27
07_模型的保存与加载
07:11
08_逻辑回归定义，损失函数，优化与线性回归比较
32:52
09_逻辑回归预测癌症案例
29:29
10_逻辑回归总结
10:59
11_京东金融数据集介绍
04:58
12_k-means原理以及案例
43:16
顶部