Python机器学习实战——进阶班 - 机器学习 - DVD - Peixun.net

返回详情页

第一阶段：Python实现线性判别分析: 1.实现线性判别分析进行降维任务试听视频; 2.求解得出降维结果试听视频

第二阶段：PCA主成分分析: 1.PCA降维概述试听视频; 2.PCA要优化的目标试听视频; 3.PCA求解试听视频

第三阶段：EM算法: 1.EM算法要解决的问题; 2.隐变量问题; 3.EM算法求解实例; 4.Jensen不等式

第四阶段：GMM聚类实践: 1.GMM实例解读; 2.GMM聚类

第五阶段：推荐系统: 1.推荐系统应用; 2.推荐系统要完成的任务; 3.相似度计算; 4.基于用户的协调过滤; 5.基于物品的协同过滤; 6.隐语义模型; 7.隐语义模型求解; 8.模型评估标准

第六阶段：推荐系统实战: 1.Surprise库与数据简介; 2.Surprise库使用方法; 3.得出推荐商品结果

第七阶段：线性支持向量机: 1.支持向量机要解决的问题; 2.距离与数据定义; 3.目标函数; 4.目标函数求解; 5.SVM求解实例; 6.支持向量的作用

第八阶段：SVM实践: 1.sklearn求解支持向量机; 2.SVM参数选择; 3.软间隔问题; 4.SVM核变换

第九阶段：时间序列ARIMA模型: 1.数据平稳性与差分法; 2.ARIMA模型知识; 3.相关函数评估方法; 4.建立ARIMA模型; 5.参数选择

第十阶段：时间序列预测任务: 1.Pandas生成时间序列; 2.Pandas数据重采样; 3.Pandas滑动窗口; 4.股票预测案例; 5.使用tsfresh库进行分类任务; 6.维基百科词条EDA

第十一阶段：Xgboost提升算法和调参实例: 1.Xgboost算法概述; 2.Xgboost模型构造; 3.Xgboost建模衡量标准; 4.Xgboost安装基础; 5.保险赔偿任务概述; 6.Xgboost参数定义; 7.基础模型定义; 8.树结构对结果的影响; 9.学习率余采样对结果的影响

第十二阶段：机器学习套路与Benchmark: 1.HTTP检测任务与数据挖掘的核心; 2.论文的重要程度; 3.Benchmark概述; 4.Benchmark的作用

第十三阶段：探索性数据分析-赛事数据集分析: 1.数据背景介绍; 2.数据读取与预处理; 3.数据切分模块; 4.缺失值可视化分析; 5.特征可视化展示; 6.多特征之间关系分析; 7.报表可视化分析; 8.红牌和肤色的关系

第十四阶段：探索性数据分析-农粮数据分析: 1.数据背景介绍; 2.数据切分模块; 3.单变量分析; 4.峰度与偏度; 5.数据对数变换; 6.数据分析维度; 7.变量关系可视化展示

第十六阶段：用户画像: 1.用户画像概述; 2.如何建立用户画像; 3.用户搜索数据介绍; 4.任务概述与方案; 5.构造词向量特征; 6.构造输入特征; 7.建立预测模型

第十七阶段：Kaggle数据科学: 1.Kaggle数据科学调查介绍; 2.基本情况可视化展示; 3.工资情况; 4.技能使用情况; 5.数据集与平台; 6.Python和R语言比较; 7.调查总结

第十八阶段：京东购买预测: 1.项目与数据介绍; 2.数据挖掘流程; 3.数据检查; 4.构建用户特征表单; 5.构建商品特征表单; 6.数据探索概述; 7.购买因素分析; 8.特征工程; 9.基本特征构造; 10.行为特征; 11.累积行为特征

第十九阶段：房价预测: 1.房价预测任务概述; 2.离散形数据; 3.数据对数变换; 4.缺失值处理与box-cox变换; 5.模型预测

Python机器学习实战——进阶班