從事機器學習,數據分析,數據挖掘的同學們以及python使用者?選擇經典案例基于真實數據集，從數據預處理開始到建立機器學習模型以及效果評估，完整的講解如何使用python及其常用庫進行數據的分析和模型的建立。對于每一個面對的挑戰，分析解決問題思路以及如何構造合適的模型并且給出合適評估方法。在每一個案例中，同學們可以快速掌握如何使用pandas進行數據的預處理和分析，使用matplotlib進行可視化的展示以及基于scikit-learn庫的機器學習模型的建立

課時01.課程簡介

課時02.課程數據，代碼下載

課時03.使用Anaconda搭建python環境

課時04.Kobe.Bryan生涯數據讀取與簡介

課時05.特征數據可視化展示

課時06.數據預處理

課時07.使用scikit-learn建立分類模型

課時08.數據簡介及面臨的挑戰

課時09.數據不平衡問題解決方案

課時10.邏輯回歸進行分類預測

課時11.使用閾值來衡量預測標準

課時12.使用數據生成策略

課時13.數據簡介與特征課時化展示

課時14.不同特征的分布規則

課時15.決策樹模型參數詳解

課時16.決策樹中參數的選擇

課時17.將建立好決策樹可視化展示出來

課時18.船員數據分析

課時19.數據預處理

課時20.使用回歸算法進行預測

課時21.使用隨機森林改進模型

課時22.隨機森林特征重要性分析

課時23.級聯模型原理

課時24.數據預處理與熱度圖

課時25.二階段輸入特征制作

課時26.使用級聯模型進行預測

課時27.數據簡介與特征預處理

課時28.員工不同屬性指標對結果的影響

課時29.數據預處理

課時30.構建預測模型

課時31.基于聚類模型的分析

課時32.tensorflow框架的安裝

課時33.神經網絡模型概述

課時34.使用tensorflow設定基本參數

課時35.卷積神經網絡模型

課時36.構建完整的神經網絡模型

課時37.訓練神經網絡模型

課時38.PCA原理簡介

課時39.數據預處理

課時40.協方差分析

課時41.使用PCA進行降維

課時42.數據簡介與故事背景

課時43.基于詞頻的特征提取

課時44.改進特征選擇方法

課時45.數據清洗

課時46.數據預處理

課時47.盈利方法和模型評估

總結

以上是生活随笔為你收集整理的python用于数据分析的案例_Python数据分析经典案例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。