PTH122:机器学习-数据可视化四大法宝

开班计划时间:18 小时
  • 具体开课时间请咨询课程顾问
预约试听 马上咨询
课程介绍
适用对象:
学习收获:掌握Python基础编程 、掌握机器学习基础技巧 、掌握Python上实现机器学习的基本算法及常用数据可视化方法
详细大纲
1 Python基础
1.1 Python发展历史
1.2 Python开发环境的搭建
1.3 Python基础:操作符、数字数据、流程控制
1.4 Python3和Python2
1.5 5个标准数据结构
1.6 文件的读写(txt、csv、json)
1.7 Python日期和时间
2 Python函数
2.1 什么是函数
2.2 创建函数
2.3 函数参数
2.4 可变对象与不可变对象
2.5 作用域
2.6 上机实验
3 面向对象编程
3.1 Python面向对象编程简介
3.2 类与对象
3.3 _init_方法
3.4 对象的方法
3.5 继承
3.6 上机实验
4 Python模块
4.1 Python模块的定义和导入
4.2 NumPy模块
4.3 Pandas模块
4.4 SciPy模块
4.5 scikit-learn模块
4.6 其它的Python常用模块
4.7 上机实验
5 图表绘制入门
5.1 Matplotlib
5.2 Bokeh
5.3 其他优秀的绘图模块
5.4 上机实验
6 机器学习基础
6.1 何谓机器学习
6.1.1 传感器和海量数据
6.1.2 机器学习非常重要
6.2 关键术语
6.3 机器学习的主要任务
6.4 如何选择合适的算法
6.5 开发机器学习应用程序的步骤
6.6 第一个应用:鸢尾花分类
6.6.1 初识数据
6.6.2 衡量模型是否成功:训练数据与测试数据
6.6.3 要事第一:观察数据
6.6.4 构建第一个模型:k 近邻算法
6.6.5 做出预测
6.6.6 评估模型
7 决策树
7.1 决策树的构造
7.1.1 信息增益
7.1.2 划分数据集
7.1.3 递归构建决策树
7.2 在Python中使用Matplotlib注解绘制树形图
7.2.1 Matplotlib注解
7.2.2 构造注解树
7.3 测试和存储分类器
7.3.1 测试算法:使用决策树执行分类
7.3.2 使用算法:决策树的存储
7.4 示例:使用决策树预测隐形眼镜类型
8 基于概率论的分类方法:朴素贝叶斯
8.1 基于贝叶斯决策理论的分类方法
8.2 条件概率
8.3 使用条件概率来分类
8.4 使用朴素贝叶斯进行文档分类
8.5 使用Python进行文本分类
8.5.1 准备数据:从文本中构建词向量
8.5.2 训练算法:从词向量计算概率
8.5.3 测试算法:根据现实情况修改分类器
8.5.4 准备数据:文档词袋模型
8.6 示例:使用朴素贝叶斯过滤垃圾邮件
8.6.1 准备数据:切分文本
8.6.2 测试算法:使用朴素贝叶斯进行交叉验证
8.7 示例:使用朴素贝叶斯分类器从个人广告中获取区域倾向
8.7.1 收集数据:导入RSS源
8.7.2 分析数据:显示地域相关的用词
9 回归分析
9.1 线性回归
9.2 逻辑回归
9.3 基于Logistic回归和Sigmoid函数的分类
9.4 基于最优化方法的最佳回归系数确定
9.5 示例:从疝气病症预测病马的死亡率
9.5.1 准备数据:处理数据中的缺失值
9.5.2 测试算法:用Logistic回归进行分类
10 聚类分析
10.1 K-Means聚类分析函数
10.2 系统聚类算法
10.3 DBSCAN聚类算法
10.4 上机实验
11 关联规则分析
11.1 关联分析
11.2 Apriori关联规则算法
11.3 Apriori在Python中的实现
11.4 示例:发现国会投票中的模式
11.4.1 收集数据:构建美国国会投票记录的事务数据集
11.4.2 测试算法:基于美国国会投票记录挖掘关联规则
11.5 上机实验
12 智能推荐
12.1 基于用户的协同过滤算法
12.1.1 相似度计算
12.1.2 基于物品的相似度还是基于用户的相似度?
12.1.3 推荐引擎的评价
12.2 基于用户的协同过滤算法在Python中的实现
12.3 上机实验
13 时间序列分析
13.1 ARIMA模型
13.2 上机实验
14 处理文本数据
14.1 用字符串表示的数据类型
14.2 示例应用:电影评论的情感分析
14.2.1 将文本数据表示为词袋
14.2.2 将词袋应用于玩具数据集
14.2.3 将词袋应用于电影评论
14.3 停用词
14.4 用tf-idf缩放数据
14.5 研究模型系数
14.6 多个单词的词袋(n元分词)
14.7 分词、词干提取与词形还原
14.8 主题建模与文档聚类
课程评价

课程评价({{EvaluationTotal}})

课程满意度

评价

您还没有给课程评分哦

满意度

    追加评价:

课程咨询
内容:

您还没有填写内容!

暂无问答,赶紧去提问吧
{{item.AnswerState==1?"已解决":"未解决"}}
{{item.Content}}
{{item.StudentAskTime}}
{{itemanswer.UserName}}
{{itemanswer.Content}}
{{itemanswer.StudentAskTime}}
同类课程推荐 more
嘉为大讲堂 more
原创文章 more

您好! 欢迎来到学领未来 !

学领未来提供线上及线下的学习服务,根据您的位置,为您推荐最近的线下培训地点 分站,你选择: