|
超强大的Python数据分析课程-偏机器学习方向 Python数据分析经典案例课程 ├─Tensorflow课程.zip
├─机器学习经典案例.zip
├─课时01.课程简介.flv
├─课时02.课程数据，代码下载.swf
├─课时03.使用Anaconda搭建python环境.flv
├─课时04.Kobe.Bryan生涯数据读取与简介.flv
├─课时05.特征数据可视化展示.flv_d.flv
├─课时06.数据预处理.flv_d.flv
├─课时07.使用scikit-learn建立分类模型.flv_d.flv
├─课时08.数据简介及面临的挑战.flv_d.flv
├─课时09.数据不平衡问题解决方案.flv_d.flv
├─课时10.逻辑回归进行分类预测.flv_d.flv
├─课时11.使用阈值来衡量预测标准.flv_d.flv
├─课时12.使用数据生成策略.flv_d.flv
├─课时13.数据简介与特征课时化展示.flv_d.flv
├─课时14.不同特征的分布规则.flv_d.flv
├─课时15.决策树模型参数详解.flv_d.flv
├─课时16.决策树中参数的选择.flv_d.flv
├─课时17.将建立好决策树可视化展示出来.flv_d.flv
├─课时18.船员数据分析.flv_d.flv
├─课时19.数据预处理.flv_d.flv
├─课时20.使用回归算法进行预测.flv_d.flv
├─课时21.使用随机森林改进模型.flv_d.flv
├─课时22.随机森林特征重要性分析.flv_d.flv
├─课时23.级联模型原理.flv_d.flv
├─课时24.数据预处理与热度图.flv_d.flv
├─课时25.二阶段输入特征制作.flv_d.flv
├─课时26.使用级联模型进行预测.flv_d.flv
├─课时27.数据简介与特征预处理.flv_d.flv
├─课时28.员工不同属性指标对结果的影响.flv_d.flv
├─课时29.数据预处理.flv_d.flv
├─课时30.构建预测模型.flv_d.flv
├─课时31.基于聚类模型的分析.flv
├─课时32.tensorflow框架的安装.flv_d.flv
├─课时33.神经网络模型概述.flv_d.flv
├─课时34.使用tensorflow设定基本参数.flv_d.flv
├─课时35.卷积神经网络模型.flv_d.flv
├─课时36.构建完整的神经网络模型.flv_d.flv
├─课时37.训练神经网络模型.flv_d.flv
├─课时38.PCA原理简介.flv_d.flv
├─课时39.数据预处理.flv_d.flv
├─课时40.协方差分析.flv_d.flv
├─课时41.使用PCA进行降维.flv_d.flv
├─课时42.数据简介与故事背景.flv_d.flv
├─课时43.基于词频的特征提取.flv_d.flv
├─课时44.改进特征选择方法.flv_d.flv
├─课时45.数据清洗.flv_d.flv
├─课时46.数据预处理.flv_d.flv
├─课时47.盈利方法和模型评估.flv_d.flv
├─课时48.预测结果.flv_d.flv
| 
