首页程序员
产品
招聘用人
云端工作
自由工作、远程工作
项目研发
需求梳理
规划落地您的想法
整包开发
一站式软件开发
云服务
UniSMS
合一短信 聚合API短信平台
UniAPI
全类API业务场景
技术
发布需求
开发者入驻
APP
首页/全部课程/Python/课程详情
介绍课程公告
课程介绍

课程包含19章内容

  • 缺失值处理
  • 数值离散化
  • 特征提取
  • IRIS数据集
  • 类别字段编码
  • 乳腺癌数据集
  • 线性回归
  • 多项式特征
  • 数值标准化
  • 数据指标计算
  • 决策树
  • 随机森林
  • 文本数据处理
  • 数据聚类
  • 数据降维PCA
  • 关联规则
  • 异常值检测
  • 手写数字识别
  • 邮件文本分类
  • 房价预估


覆盖sklearn知识点

  • 为机器学习模型准备数据
  • 处理缺失值，SimpleImputer类
  • 分类、回归、聚类
  • 离散化
  • 特征提取
  • PolynomialFeatures类
  • LabelEncoder类
  • OneHotEncoder类
  • StandardScaler类
  • 虚拟编码
  • 将数据拆分为训练集和测试集
  • LogisticRegression类
  • 混淆矩阵
  • 分类报告
  • 线性回归类
  • MAE - 平均绝对误差
  • MSE - 均方误差
  • sigmoid()函数
  • 熵
  • 准确率
  • 决策树分类器类
  • GridSearchCV类
  • RandomForestClassifier类
  • CountVectorizer类
  • TfidfVectorizer类
  • KMeans类
  • AgglomerativeClustering类
  • 层次聚类类
  • DBSCAN类
  • 降维，PCA 分析
  • 关联规则
  • LocalOutlierFactor类
  • 隔离森林类
  • KNeighborsClassifier类
  • 多项式NB 类
  • GradientBoostingRegressor类


常见问题
Q1: 本课程的价格是一次性的吗？
A: 课程标价就是整个课程的价格，购买后观看本课程内所有章节视频不另外收费。
Q2: 购买本课程提供所用软件吗？
A: 客栈学院只提供课程教学，不提供软件销售和下载，请同学们自行安装好正版软件进行学习。
Q3: 本课程有观看有效期吗？
A: 课程不限有效期，购买成功即可随时观看。
Q4: 本课程视频可以下载吗？
A: 由于视频涉及版权问题，课程视频不支持下载。
Q5: 本课程买了之后有售后服务吗？
A: 购买完课程之后可以加售后答疑微信，课程学习过程中会有资料发送、答疑解惑等售后服务内容。
目录20章101节
第1章 缺失值处理
1-1: 检测数据每列的缺失值
免费
1-2: 填充数据列的缺失值
免费
1-3: 获取填充缺失值的统计值
免费
1-4: 使用常量填充缺失值
1-5: 使用最频繁的值填充缺失值
1-6: 过滤掉缺失值的行并统计
1-7: 对多数据列做缺失值填充
第2章 数值离散化
2-1: 等宽区间
2-2: 指定区间
2-3: 区间标签
2-4: 虚拟编码
第3章 特征提取
3-1: 元素的个数
3-2: 是否包含元素
3-3: 从字符串提取标签
3-4: 每行缺失值个数
3-5: 字符串清理转数字
第4章 IRIS数据
4-1: 加载认识数据
4-2: 查看列名和分类名
4-3: 数据和目标的shape
4-4: 拆分训练测试集
4-5: 逻辑回归训练
4-6: 在测试集实现预估
4-7: 理解混淆矩阵
4-8: 理解分类报告
第5章 分类列编码
5-1: 预估目标列编码
5-2: OneHot编码
第6章 乳腺癌数据集
6-1: 加载并查看数据描述
6-2: 查看data和target
6-3: 合并data和target
6-4: 生成Pandas的df
6-5: 拆分训练集和测试集
6-6: 训练测试集数据分布
6-7: 训练测试集的均匀拆分
第7章 线性回归
7-1: Numpy正规方程线性回归
7-2: sklearn实现线性回归
7-3: 读取csv实现线性回归
第8章 多项式特征
8-1: 单个变量的多项式特征
8-2: 多个变量的多项式特征
第9章 数值标准化
9-1: 读取CSV实现数值标准化
9-2: 训练测试集数值标准化
第10章 数据指标
10-1: 平均绝对误差MAE
10-2: 均方误差MSE
10-3: Sigmoid函数
10-4: entropy熵函数
10-5: 准确率
10-6: 混淆矩阵
第11章 决策树
11-1: 训练决策树分类模型
11-2: 模型参数之最大树深度
11-3: 模型参数值叶节点最小样本数
11-4: 网格搜索获得最优参数
第12章 随机森林
12-1: 训练随机森林分类模型
12-2: 网格搜索获取最优参数
第13章 文本数据
13-1: 计数向量化
13-2: 计数向量化加入停用词
13-3: 计数向量化加入ngram
13-4: TFIDF实现文本向量化
13-5: TFIDF向量化增加停用词
第14章 数据聚类
14-1: 用Numpy自己实现聚类
14-2: KMeans实现聚类
14-3: 使用KMeans模型实现预估
14-4: 评价指标之WCSS
14-5: 肘部法则选择聚类数目
14-6: 层次聚类Agglomerative
14-7: 层次聚类的两个重要属性
14-8: DBSCAN聚类算法
14-9: DBSCAN聚类算法的异常点
第15章 数据降维PCA
15-1: 数据标准化预处理
15-2: 自己实现PCA降维算法
15-3: 组合降维结果和标签数据
15-4: 使用pca算法
15-5: 计算观察方差分布
15-6: 指定方差百分比计算分量数
第16章 关联规则挖掘
16-1: 购物篮数据拆分
16-2: 计算购买商品的去重列表
16-3: 实现one-hot编码
16-4: 计算商品的支持度
16-5: 计算多个商品的支持度
16-6: 计算关联规则以及置信度
第17章 异常值检测
17-1: 局部异常因子算法LOF
17-2: LOF统计离群点分布
17-3: 孤立森林
17-4: 孤立森林可视化异常点
第18章 手写数字识别
18-1: 加载并查看数据
18-2: 训练和测试集的拆分
18-3: 使用K近邻算法做分类
18-4: 逻辑回归算法做分类
第19章 邮件文本分类
19-1: 加载邮件数据
19-2: 输入数据转换成list
19-3: 计数器向量化文本
19-4: 计数器数据分类模型
19-5: TFIDF向量化文本
19-6: TFIDF数据分类模型
第20章 房价预估
20-1: 加载波斯顿房价数据
20-2: 计算房价和特征的相关性
20-3: 分离特征和预估目标数据
20-4: 拆分训练集和测试集
20-5: 训练线性回归模型
20-6: 线性回归模型实现预估
20-7: 比较预估结果和真实值
20-8: 使用GBDT训练模型
20-9: 模型的保存和加载
裴帅帅
前百度资深大数据工程师
人工智能专业硕士，前百度资深大数据工程师，现一线互联网推荐系统架构师，8年Python实践经验，具备Python在Web开发、网络爬虫、数据分析、大数据处理、机器学习、深度学习、推荐系统等多个技术方向的研究与是实战经验，全网30万学员粉丝，讲课风格干脆利落不拖泥带水，被学员称赞没有一句废话的老师。
重点城市程序员兼职推荐
北京程序员兼职上海程序员兼职深圳程序员兼职杭州程序员兼职广州程序员兼职成都程序员兼职南京程序员兼职武汉程序员兼职西安程序员兼职重庆程序员兼职郑州程序员兼职长沙程序员兼职苏州程序员兼职合肥程序员兼职厦门程序员兼职济南 程序员兼职青岛程序员兼职天津程序员兼职大连程序员兼职福州程序员兼职石家庄程序员兼职沈阳程序员兼职太原程序员兼职无锡程序员兼职南昌程序员兼职哈尔滨程序员兼职南宁程序员兼职珠海程序员兼职宁波程序员兼职昆明程序员兼职东莞程序员兼职贵阳程序员兼职美国程序员兼职长春程序员兼职温州程序员兼职佛山程序员兼职常州程序员兼职呼和浩特程序员兼职兰州程序员兼职乌鲁木齐程序员兼职中山程序员兼职海口程序员兼职洛阳程序员兼职
更多
重点岗位程序员兼职推荐
技术创始人兼职Rust兼职小程序兼职cocos2d-x兼职Unity3D兼职DBA兼职运维兼职测试兼职移动其他兼职Go兼职UE设计师兼职全栈兼职Java兼职CTO兼职Ruby兼职C++兼职PHP兼职C兼职C#兼职Python兼职架构师兼职Node.js兼职Android兼职iOS兼职前端兼职UI设计师兼职原画师兼职产品经理兼职项目经理兼职区块链兼职人工智能兼职硬件开发兼职
更多

您好 👋

我们能提供什么帮助？

向我们发送消息

常见问题、使用帮助、人工咨询等

智能搜索手机访问

使用微信扫一扫