|
1598| 23
|
Python数据分析与机器学习教程 |
|
Python数据分析与机器学习教程
──第01章 人工智能入学指南 | ├──001、AI时代首选Python.ts 34.92M | ├──002、Python我该怎么学？.ts 19.67M | ├──003、人工智能的核心-机器学习.ts 35.85M | ├──004、机器学习怎么学？.ts 50.50M | ├──005、算法推导与案例.ts 34.10M | └──006、系列课程环境配置.ts 23.95M ├──第02章 Python快速入门 | ├──007、快速入门，边学边用.ts 4.05M | ├──008、变量类型.ts 30.56M | ├──009、List基础模块.ts 41.98M | ├──010、List索引.ts 48.42M | ├──011、循环结构.ts 46.05M | ├──012、判断结构.ts 23.29M | ├──013、字典模块.ts 59.30M | ├──014、文件处理.ts 65.44M | └──015、函数基础.ts 17.17M ├──第03章 科学计算库Numpy | ├──016、Numpy数据结构.ts 65.22M | ├──017、Numpy基本操作.ts 39.41M | ├──018、Numpy矩阵属性.ts 36.58M | ├──019、Numpy矩阵操作.ts 117.92M | └──020、Numpy常用函数.ts 164.22M ├──第04章 数据分析处理库Pandas第0 | ├──021、Pandas数据读取.ts 68.13M | ├──022、Pandas索引与计算.ts 27.61M | ├──023、Pandas数据预处理实例.mp4 55.44M | ├──023、Pandas数据预处理实例.ts 30.49M | ├──024、Pandas常用预处理方法.ts 23.61M | ├──025、Pandas自定义函数.ts 21.60M | └──026、等待提取中.txt ├──第05章 可视化库Matplotlib第0 | ├──027、折线图绘制.ts 50.14M | ├──028、子图操作.ts 74.33M | ├──029、条形图与散点图.ts 66.55M | ├──030、柱形图与盒形.ts 58.14M | └──031、绘图细节设置.ts 35.36M ├──第06章 Python可视化库Seaborn第0 | ├──032、布局整体风格设置.ts 37.39M | ├──033、风格细节设置.ts 32.86M | ├──034、调色板.ts 44.20M | ├──035、调色板颜色设置.ts 37.99M | ├──036、单变量分析绘制.ts 47.08M | ├──037、回归分析绘图.ts 43.68M | ├──038、多变量分析绘图.ts 48.64M | ├──039、分类属性绘图.ts 51.04M | └──040、热度图绘制.ts 65.84M ├──第07章 线性回归算法第0 | ├──041、线性回归算法概述.ts 50.92M | ├──042、误差项分析.ts 45.04M | ├──043、似然函数求解.ts 31.40M | ├──044、目标函数推导.ts 32.38M | └──045、线性回归求解.ts 38.14M ├──第08章 梯度下降算法第0 | ├──046、梯度下降原理.ts 47.96M | ├──047、梯度下降方法对比.ts 27.91M | └──048、学习率对结果的影响.ts 23.31M ├──第09章 逻辑回归算法第0 | ├──049、逻辑回归算法原理推导.ts 39.76M | └──050、逻辑回归求解.ts 57.97M ├──第10章 案例实战：Python实现逻辑回归与梯度下降策略 | ├──051、Python实现逻辑回归任务概述.ts 47.60M | ├──052、完成梯度下降模块.ts 83.79M | ├──053、停止策略与梯度下降策略对比.ts 68.14M | └──054、实验对比效果.ts 67.00M ├──第11章 项目实战：案例实战信用卡欺诈检测 | ├──055、案例背景和目标.ts 46.00M | ├──056、样本不平衡解决方案.ts 56.33M | ├──057、下采样策略.ts 40.74M | ├──058、交叉验证.ts 55.25M | ├──059、模型评估方法.ts 52.92M | ├──060、正则化惩罚项.ts 32.88M | ├──061、逻辑回归模型.ts 41.73M | ├──062、混淆矩阵.ts 48.34M | ├──063、逻辑回归阈值对结果的影响.ts 55.82M | └──064、SMOTE样本生成策略.ts 87.79M ├──第12章 决策树算法 | ├──065、决策树原理概述.ts 45.43M | ├──066、衡量标准-熵.ts 46.11M | ├──067、决策树构造实例.ts 40.06M | ├──068、信息增益率.ts 21.99M | └──069、决策树剪枝策略.ts 67.01M ├──第13章 案例实战：决策树Sklearn实例 | ├──070、决策树复习.ts 40.14M | ├──071、决策树涉及参数.ts 67.52M | ├──072、树可视化与Sklearn实例.ts 109.45M | └──073、Sklearn参数选择模块.ts 70.97M ├──第14章 集成算法与随机森林 | ├──074、集成算法-随机森林.ts 51.72M | ├──075、特征重要性衡量.ts 49.11M | ├──076、提升模型.ts 48.77M | └──077、堆叠模型.ts 28.46M ├──第15章 泰坦尼克船员获救 | ├──078、数据介绍.ts 36.91M | ├──079、数据预处理.ts 72.14M | ├──080、回归模型进行预测.ts 75.32M | ├──081、随机森林模型.ts 68.43M | └──082、特征选择.ts 53.97M ├──第16 章贝叶斯算法 | ├──083、贝叶斯算法概述.ts 18.95M | ├──084、贝叶斯推导实例.ts 20.22M | ├──085、贝叶斯拼写纠错实例.ts 30.74M | ├──086、垃圾邮件过滤实例.ts 38.28M | └──087、贝叶斯实现拼写检查器.ts 59.73M ├──第17章 Python文本数据分析 | ├──088、文本分析与关键词提取.ts 32.61M | ├──089、相似度计算.ts 34.13M | ├──090、新闻数据与任务简介.ts 48.86M | ├──091、TF-IDF关键词提取.ts 66.53M | ├──092、LDA建模.ts 43.42M | └──093、基于贝叶斯算法的新闻分类.ts 70.75M ├──第18章 支持向量机算法 | ├──094、支持向量机要解决的问题.ts 36.66M | ├──095、距离与数据的定义.ts 36.05M | ├──096、目标函数.ts 34.31M | ├──097、目标函数求解.ts 38.31M | ├──098、SVM求解实例.ts 48.43M | ├──099、支持向量的作用.ts 41.48M | ├──100、软间隔问题.ts 22.55M | └──101、SVM核变换.ts 85.51M ├──第19章 SVM调参实例 | ├──102、Sklearn求解支持向量机.ts 69.69M | └──103、SVM参数调节.ts 87.32M ├──第20章 机器学习处理实际问题常规套路 | ├──104、HTTP检测任务与数据挖掘的核心.ts 68.51M | ├──105、论文的重要程度.ts 62.72M | ├──106、BenchMark概述.ts 41.57M | └──107、BenchMark的作用.ts 83.81M ├──第21章 降维算法：线性判别分析 | ├──108、线性判别分析要解决的问题.ts 46.78M | ├──109、线性判别分析要优化的目标.ts 42.68M | └──110、线性判别分析求解.ts 45.21M ├──第22章 案例实战：Python实现线性判别分析 | ├──111、Python实现线性判别分析.ts 56.74M | └──112、求解得出降维结果.ts 50.68M ├──第23章 降维算法：PCA主成分分析 | ├──113、PCA降维概述.ts 27.31M | ├──114、PCA要优化的目标.ts 47.30M | ├──115、PCA求解.ts 39.99M | └──116、PCA降维实例.ts 111.99M ├──第24章 聚类算法-Kmeans | ├──117、Kmeans算法概述.ts 40.54M | ├──118、Kmeans工作流程.ts 29.75M | └──119、迭代效果可视化展示.ts 49.47M ├──第25章 聚类算法-DBSCAN | ├──120、DBSCAN聚类算法.ts 69.45M | ├──121、DBSCAN工作流程.ts 65.74M | └──122、DBSCAN迭代可视化展示.ts 49.99M ├──第26章 聚类实践 | ├──123、多种聚类算法概述.ts 14.99M | └──124、聚类案例实战.ts 94.23M ├──第27章 EM算法 | ├──125、EM算法要解决的问题.ts 36.34M | ├──126、隐变量问题.ts 21.03M | ├──127、EM算法求解实例.ts 68.29M | ├──128、Jensen不等式.ts 37.59M | └──129、GMM模型.ts 32.02M ├──第28章 GMM聚类实践 | ├──130、GMM实例.ts 68.05M | └──131、GMM聚类.ts 53.17M ├──第29章 神经网络 | ├──132、计算机视觉常规挑战.ts 70.57M | ├──133、得分函数.ts 17.70M | ├──134、损失函数.ts 22.02M | ├──135、softmax分类器.ts 33.07M | ├──136、反向传播.ts 29.99M | ├──137、神经网络整体架构.ts 19.24M | ├──138、神经网络实例.ts 34.09M | └──139、激活函数.ts 31.71M ├──第30章 Tensorflow实战 | ├──140、Tensorflow基础操作.ts 27.64M | ├──141、Tensorflow常用函数.ts 34.45M | ├──142、Tensorflow回归实例.ts 44.45M | ├──143、Tensorflow神经网络实例.ts 72.72M | ├──144、Tensorflow神经网络迭代.ts 70.79M | ├──145、神经网络dropout.ts 38.27M | └──146、卷积神经网络基本结构.ts 45.73M ├──第31章 Mnist手写字体与验证码识别 | ├──147、Tensorflow构造卷积神经网络参数.ts 50.22M | ├──148、Pooling层原理与参数.ts 40.15M | ├──149、卷积网络参数配置.ts 41.01M | ├──150、卷积神经网络计算流程.ts 47.19M | ├──151、CNN在mnist数据集上的效果.ts 56.27M | ├──152、验证码识别任务概述.ts 52.90M | └──153、完成验证码识别任务.ts 67.70M ├──第32章 Xgboost集成算法 | ├──154、集成算法思想.ts 14.16M | ├──155、Xgboost基本原理.ts 26.47M | ├──156、Xgboost目标函数推导.ts 32.51M | ├──157、Xgboost求解实例.ts 40.28M | ├──158、Xgboost安装.ts 18.41M | ├──159、Xgboost实例演示.ts 70.67M | └──160、Adaboost算法概述.ts 42.24M ├──第33章 推荐系统 | ├──161、推荐系统应用.ts 40.92M | ├──162、推荐系统要完成的任务.ts 17.04M | ├──163、相似度计算.ts 26.96M | ├──164、基于用户的协同过滤.ts 21.60M | ├──165、基于物品的协同过滤.ts 35.42M | ├──166、隐语义模型.ts 19.71M | ├──167、隐语义模型求解.ts 26.23M | └──168、模型评估标准.ts 15.79M ├──第34章 推荐系统实战 | ├──169、Surprise库与数据简介.ts 31.52M | ├──170、Surprise库使用方法.ts 46.36M | ├──171、得出商品推荐结果.ts 50.34M | ├──172、使用Tensorflow构建隐语义模型.ts 46.34M | ├──173、模型架构.ts 52.86M | ├──174、损失函数定义.ts 43.29M | └──175、训练网络模型.ts 47.07M ├──第35章 词向量模型Word2Vec | ├──176、自然语言处理与深度学习.ts 33.46M | ├──177、语言模型.ts 13.11M | ├──178、N-gram模型.ts 23.35M | ├──179、词向量.ts 23.28M | ├──180、神经网络模型.ts 28.00M | ├──181、Hierarchical.ts 25.39M | ├──182、CBOW模型实例.ts 34.47M | ├──183、CBOW求解目标.ts 16.11M | ├──184、梯度上升求解.ts 29.58M | └──185、负采样模型.ts 16.89M ├──第36章 使用Gensim库构造词向量模型 | ├──186、使用Gensim库构造词向量.ts 32.89M | ├──187、维基百科中文数据处理.ts 51.64M | ├──188、Gensim构造word2vec.ts 45.26M | └──189、测试相似度结果.ts 38.63M ├──第37章 时间序列-ARIMA模型 | ├──190、数据平稳性与差分法.ts 40.23M | ├──191、ARIMA模型.ts 26.18M | ├──192、相关函数评估方法.ts 41.30M | ├──193、建立AIRMA模型.ts 32.44M | └──194、参数选择.ts 60.77M ├──第38章 Python时间序列案例实战 | ├──195、股票预测案例.ts 48.04M | ├──196、使.tsfresh库进行分类任务.ts 57.82M | ├──197、维基百科词条EDA.ts 69.07M | ├──198、Pandas生成时间序列.ts 54.98M | ├──199、Pandas数据重采样.ts 44.72M | └──200、Pandas滑动窗口.ts 28.32M ├──第39章 探索性数据分析：赛事数据集 | ├──201、数据背景介绍.ts 55.91M | ├──202、数据读取与预处理.ts 64.32M | ├──203、数据切分模块.ts 86.16M | ├──204、缺失值可视化分析.ts 67.17M | ├──205、特征可视化展示.ts 65.12M | ├──206、多特征之间关系分析.ts 64.32M | ├──207、报表可视化分析.ts 54.81M | └──208、红牌和肤色的关系.ts 83.86M ├──第40章 探索性数据分析：农粮组织数据集 | ├──209、数据背景简介.ts 76.43M | ├──210、数据切片分析.ts 113.38M | ├──211、单变量分析.ts 99.93M | ├──212、峰度与偏度.ts 80.53M | ├──213、数据对数变换.ts 68.70M | ├──214、数据分析维度.ts 48.31M | └──215、变量关系可视化展示.mp4 72.95M └──课件代码等资料 | ├──10Python文本分析 | ├──11泰坦尼克号-级联模型 | ├──12手写字体识别 | ├──13tensorflow代码 | ├──14xgboost | ├──15推荐系统 | ├──16word2vec——空 | ├──17Python时间序列 | ├──1机器学习算法PPT | ├──2numpy | ├──3Pandas | ├──4欺诈检测 | ├──5梯度下降实例 | ├──6Matplotlib | ├──7可视化库Seaborn | ├──8决策树鸢尾花 | ├──9贝叶斯 | ├──唐宇迪-机器学习课程代码-新整理.zip 5.13G | └──梯度下降求解逻辑回归.zip 681.70kb
购买主题
本主题需向作者支付 15 资源币 才能浏览
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|资源共享吧 ( 琼ICP备2023000410号-1 )
GMT+8, 2024-11-23 15:55 , Processed in 0.071348 second(s), 17 queries , MemCached On.
发表于 2024-2-27 01:57:39