课程介绍：
这是一套Python数据分析与机器学习的经典案例教程，适合有一定的基础。2017最新出品基于Python3.5，案例很经典。值得学习。
课程目录：
01.课程简介
02.课程数据，代码下载
03.使用Anaconda搭建python环境
04.Kobe.Bryan生涯数据读取与简介
05.特征数据可视化展示
06.数据预处理
07.使用scikit-learn建立分类模型
08.数据简介及面临的挑战
09.数据不平衡问题解决方案
10.逻辑回归进行分类预测
11.使用阈值来衡量预测标准
12.使用数据生成策略
13.数据简介与特征化展示
14.不同特征的分布规则
15.决策树模型参数详解
16.决策树中参数的选择
17.将建立好决策树可视化展示出来
18.船员数据分析
19.数据预处理
20.使用回归算法进行预测
21.使用随机森林改进模型
22.随机森林特征重要性分析
23.级联模型原理
24.数据预处理与热度图
25.二阶段输入特征制作
26.使用级联模型进行预测
27.数据简介与特征预处理
28.员工不同属性指标对结果的影响
29.数据预处理
30.构建预测模型
31.基于聚类模型的分析
32.tensorflow框架的安装
33.神经网络模型概述
34.使用tensorflow设定基本参数
35.卷积神经网络模型
36.构建完整的神经网络模型
37.训练神经网络模型
38.PCA原理简介
39.数据预处理
40.协方差分析
41.使用PCA进行降维
42.数据简介与故事背景
43.基于词频的特征提取
44.改进特征选择方法
45.数据清洗
46.数据预处理
47.盈利方法和模型评估
48.预测结果
下载地址：
|
/1 
