Python数据分析与机器学习实战教程，该课程精心挑选真实的数据集为案例，通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础，所有课时都结合代码演示如何使用这些python库来完成一个真实的数据案例。算法与项目相结合，选择经典kaggle项目，从数据预处理开始一步步代码实战带大家入门机器学习。学完该课程即可：1.掌握Python数据科学工具包，包括矩阵数据处理与可视化展示。2.掌握机器学习算法原理推导，从数学上理解算法是怎么来的以及其中涉及的细节。3.掌握每一个算法所涉及的参数，详解其中每一步对结果的影响。4.熟练使用Python进行建模实战，基于真实数据集展开分析，一步步完成整个建模实战任务。
2021-06-10 20:03:47
24.45MB
1
08sklearn机器学习实战Python数据分析挖掘与可视化本章学习目标了解机器学习常用的基本概念了解如何根据实际问题类型选择合适的机学习算法了解扩展库sklearn常用模块理解并熟练运用线性回归算法理解并熟练运用逻辑回归算法理解并熟练运用KNN算法理解并熟练运用KMeans算法理解分层聚类算法本章学习目标理解并熟练运用朴素贝叶斯算法理解并熟练运用决策树与随机森林算法理解并熟练运用DBSCAN算
2021-04-29 14:19:18
6.26MB
机器学习实战(第三章-决策树-ID3算法-所有代码与详细注解-python3.7)
机器学习实战(第三章-决策树-ID3算法-所有代码与详细注解-python3.7)
2021-04-29 02:54:44
566KB
1
《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。
机器学习(美)哈林顿(Peter Harrington)PDF配源码
2021-04-20 19:09:22
52.55MB
1
某银行为提升信用卡反欺诈检测能力，提供了脱敏后的一份个人交易记录。考虑数据本身的隐私性，数据提供之初已经进行了类似PCA的处理，并得到了若干数据特征。在不需要做额外特征提取工作的情况下，本项目意在通过逻辑回归模型的调优，得到较为准确可靠的反欺诈检测方法，分析过程中使用到了Python Pandas, Numpy, Matplotlib, Seaborn以及机器学习库Scikit-Learn等。
数据链接：
链接:https://pan.baidu.com/s/11uT0CHYPenX_67qTdr-Tjg
密码:b9xo
完整代码实现如下：
下采样完整代码：
import pandas as
2021-04-06 16:32:31
76KB
1
唐宇迪python数据分析与机器学习实战源码、数据、ppt，可直接运行
2021-04-02 14:03:16
432.33MB
1