【10.28-29】深度学习的数据探索与准备
第1课:NumPy
介绍数组、轴、向量操作、多维数组、如何沿着某个轴应用一个函数;现实世界一些有趣的例子,比如:金融回报计算(Python带循环的方式和NumPy不带循环的方式对比表明NumPy是多么的简单等)。
第2课: Pandas
介绍Pandas对象、数据索引和选择、Pandas的数据操作、处理缺失数据、合并数据集:Concat和扩展、聚类和分组、时间序列处理、金融应用示例等。
第3课:Matplotlib
包括基本作图类型:线图、条形图、散点图、做图图像、人生游戏示例,金融的随机漫步模拟、Iris数据集可视化等。
第4课: 缺失值处理与异常值检测
包括删除方法、简单的插补方法、基于模式的方法,了解你的数据,实操案例包括处理缺失数据点,并观察它怎样影响模型性能。异常值检测包括极值分析、接近法、投影法等。
第5课:数据探索的综合案例
包括建模概述、数据导论、基本的数据清洗、更多的数据探索、特征工程等。