最新公告
  • 欢迎您光临潮课网,本站秉承服务宗旨 履行“站长”责任.🌹加入会员
  • (完整版)Python3数据分析与挖掘建模实战,快速胜任数据分析师,百度盘分享

    第1章 课程介绍
    本章首先介绍本课程是什么,有什么特色,能学习到什么,内容如何安排,需要什么基础,是否适合学习这门课程等。然后对数据分析进行概述,让大家对数据分析的含义和作用有一个整体的认知,让大家对自己接下来要做的事情,有一个基本的概念与了解。...

    第2章 数据获取
    数据从哪里来?怎么来?这一章,我们会介绍数据获取的一般手段。主要包括数据仓库、抓取、资料填写、日志、埋点、计算等手段。同时,我们也会介绍几个常用的数据网站,供大家参考与学习。

    第3章 单因子探索分析与数据可视化
    有了数据,如何上手?这一章,我们会介绍探索分析的一部分---单因子探索分析和可视化的内容。我们会以基础的统计理论知识为切入点,学习异常值分析、对比分析、结构分析、分布分析。同时,引入接下来几章都会用到的案例-HR人力资源分析表,并用理论与可视化的方法,完成对此表的初步分析。...

    第4章 多因子探索分析
    上了手,然后呢?这一章,我们介绍探索分析的另一部分---多因子复合探索分析。我们同样以基础的统计知识为切入点,学习多因子间互相影响与配合的分析方法,如交叉分析、分组分析、相关分析、成分分析等。同时,以HR人力资源分析表为例,进行进一步的探索。...

    第5章 预处理理论
    数据已了解,用起来!不着急,先加工。这一章,我们会介绍特征工程的主要内容,重点会介绍数据清洗和数据特征预处理的主要内容,包括数据清洗、特征获取、特征处理(内含对指化、归一化、标准化等)、特征降维、特征衍生。预处理的好坏,直接影响着接下来模型的效果。...

    第6章 挖掘建模
    把数据用起来!这一章,我们会介绍数据挖掘与建模的主要内容。主要包含五类模型的建立与实践,分别为:分类模型(KNN、朴素贝叶斯、决策树、SVM、集成方法、GBDT……),回归模型与回归思想分类(线性回归、逻辑斯特回归【也叫罗吉回归,逻辑回归。音译区别】、神经网络、回归树),聚类模型(K-means、DBSCAN、层次聚类、...

    第7章 模型评估
    哪个模型好?上一章,我们学习了很多模型,一个数据集,可能用多种模型都可以进行建模,那么哪种模型好,就需要有些指标化的东西帮我们决策。这一章,我们会介绍使用混淆矩阵和相应的指标、ROC曲线与AUC值来评估分类模型;用MAE、MSE、R2来评估回归模型;用RMS、轮廓系数来评估聚类模型。...

    第8章 总结与展望
    这一章,我们将回顾本课程的全部内容,并从多个角度,重新看待我们的数据分析工作。最后,我们会了解到,学习了这门课程以后,还可以在哪些方面进行发展。

    猜你喜欢

    猜你在找

    版权声明:
    1,本站资源收集于网络,只做学习和交流使用,版权归原作者所有,请在下载后24小时之内自觉删除。
    2,积分仅用来维持网站运营,性质为用户友情赞助,并非购买课程费用(1元=1积分);
    2,如本贴侵犯到您的权益,请按要求提供相应版权证明材料联系:sochaocom#qq.com(#改为@),侵权投诉
    潮课网 » (完整版)Python3数据分析与挖掘建模实战,快速胜任数据分析师,百度盘分享

    发表评论

    Hi, 如果你对课程有疑问,可以跟我联系哦!

    联系作者