Python數據分析與機器學習實戰

Python數據分析與機器學習實戰
課程出自學途無憂網：http://www.xuetuwuyou.com
課程觀看地址：http://www.xuetuwuyou.com/course/167

    課程風格通俗易懂，真實案例實戰。精心挑選真實的數據集爲案例，經過python數據科學庫numpy,pandas,matplot結合機器學習庫scikit-learn完成一些列的機器學習案例。課程以實戰爲基礎，全部課時都結合代碼演示如何使用這些python庫來完成一個真實的數據案例。算法與項目相結合，選擇經典kaggle項目，從數據預處理開始一步步代碼實戰帶你們快速入門機器學習。旨在幫助同窗們快速上手如何使用python庫來完整機器學習案例。

課程目標
 零基礎快速掌握python數據分析與機器學習算法； 快速入門python最流行的數據分析庫numpy,pandas,matplotlib； 從原理上進行推導較爲繁瑣的機器學習算法，以算法流程爲主結合實際案例實現完整的算法代碼； 使用scikit-learn機器學習庫完成快速創建模型，評估以及預測； 結合Kaggle經典案例，從數據預處理開始一步步完成整個項目，對如何應用python庫完成實際的項目造成完整的經驗與概念。

適合人羣：
 數據分析,機器學習,數據挖掘領域研究者。Python語言使用者。

課程目錄：
第1 章 ： Python環境配置
課時1：使用Anaconda安裝python環境 
課時2：Eclipse配置python插件
課時3：課程簡介 
第2 章 ： Python科學計算庫-Numpy
課時4：Numpy庫簡介 
課時5：Array數組 
課時6：數組操做 
課時7：矩陣基本操做 
課時8：矩陣的建立與初始化 
課時9：經常使用函數案例演示 
課時10：排序與索引 
課時11：習題實例 
第3 章 ： python數據分析處理庫-Pandas
課時12：Pandas庫簡介 
課時13：數據讀取與顯示 
課時14：數據樣本行列選取 
課時15：數值計算與排序
課時16：數據預處理與透視表 
課時17：自定義函數方法 
課時18：核心數據結構Series詳解 
課時19：數據索引變換 
第4 章 ： Python數據可視化庫-Matplotlib
課時20：Matplotlib簡介 
課時21：畫出第一個簡易折線圖 
課時22：打造一個完整的折線圖
課時23：條形圖實戰 
課時24：直方圖與四分圖 
課時25：基於真實數據集的可視化分析
課時26：可視化圖表細節 
第5 章 ： Python機器學習案例實戰
課時27：初識機器學習
課時28：使用python庫分析汽車油耗效率
課時29：使用scikit-learn庫創建迴歸模型 
課時30：使用邏輯迴歸改進模型效果 
課時31：模型效果衡量標準 
課時32：ROC指標與測試集的價值 
課時33：交叉驗證
課時34：多類別問題代碼 
課時35：梯度降低原理 
課時36：實現簡易梯度降低算法
課時37：SVD奇異值分解原理 
課時38：SVD推薦系統應用實例 
課時39：K近鄰算法原理 
課時40：K近鄰算法代碼實現 
課時41：K近鄰實例 
第6 章 ： 決策樹與隨機森林
課時42：決策樹算法原理 
課時43：基於ID3算法進行特徵選擇 
課時44：構建決策樹 
課時45：使用scikit-learn庫創建決策樹
課時46：分類迴歸樹CART
課時47：分類迴歸樹代碼實現 
課時48：隨機森林模型 
課時49：隨機森林特徵重要性 
第7 章 ： 聚類模型
課時50：無監督聚類問題
課時51：聚類結果與離羣點分析 
課時52：K-means聚類案例對NBA球員進行評估 
課時53：K-MEANS原理 
課時54：K-MEANS聚類算法實現 
第8 章 ： 支持向量機
課時55：支持向量機算法原理 
課時56：支持向量機對偶問題 
課時57：核變換解決低維不可分問題 
課時58：soft-margin支持向量機
課時59：SMO算法求解支持向量機
第9 章 ： 神經網絡模型
課時60：初識神經網絡
課時61：神經網絡強大的非線性 
課時62：深刻神經網絡細節 
課時63：代碼實現簡易神經網絡 
課時64：深度學習-遞歸神經網絡 
課時65：神經網絡打造二進制加法器 
第10 章 ： 貝葉斯模型
課時66：貝葉斯原理 
課時67：基於貝葉斯的垃圾郵件分類 
課時68：使用貝葉斯算法打造拼寫檢查器 
課時69：K近鄰算法實現 
第11 章 ： Adaboost算法
課時70：Adaboost算法原理
課時71：Adaboost實例 
課時72：Adaboost實現代碼 
課時73：Adaboost訓練模型
第12 章 ： 機器學習項目實戰-泰坦尼克獲救預測
免費 課時74：船員數據分析 
免費 課時75：數據預處理 
課時76：使用迴歸算法進行預測
課時77：使用隨機森林改進模型 
課時78：隨機森林特徵重要性分析 
第13 章 ： 機器學習項目實戰-貸款申請最大化利潤
課時79：數據清洗過濾無用特徵 
課時80：數據預處理 
課時81：得到最大利潤的條件與作法 
課時82：預測結果並解決樣本不均衡問題 
第14 章 ： 機器學習項目實戰-用戶流失預警
課時83：數據背景介紹 
課時84：數據預處理 
課時85：嘗試多種分類器效果 
課時86：結果衡量指標的意義 
課時87：應用閾值得出結果
第15 章 ： 機器學習項目實戰-HTTP日誌聚類分析
課時88：創建特徵工程 
課時89：特徵數據預處理
課時90：應用聚類算法得出異常IP點