数据整合和数据清洗-Python数据科学技术详解与商业项目实战精讲-Python学习网教程

数据整合和数据清洗

下一节课程：数据整理(4847次播放)

5 秒后自动播放下一节

Python数据科学技术详解与商业项目实战精讲

难度:中级共132节642029次学习

第1章数据科学家的武器库: 数据科学的概念; 以示例讲解数据建模和数学建模; 数据科学的统计基础; 面向应用的数据挖掘算法分类; 各类算法的适用场景讲解; 面向应用的分类模型评估
第2章 Python基础: Python介绍; Python基础数据类型和表达式; Python原生态数据结构(上); Python原生态数据结构(下); Python控制流; Python函数; Python模块的使用
第3章信用卡客户特征分析-产品客户画像初步: 描述性统计与探索型数据分析（上）; 描述性统计与探索型数据分析（下）; 描述性方法大全与Python绘图（上）; 描述性方法大全与Python绘图（下）; 统计制图原理; 数据库基础; 数据整合和数据清洗; 数据整理; 课后答疑; 信用卡客户画像作业讲解1; 信用卡客户画像作业讲解2
第4章二手房价格分析报告: 两变量关系检验方法综述; 参数估计简介及概念介绍(上）; 参数估计简介及概念介绍(下）; 假设检验与单样本T检验(上); 假设检验与单样本T检验(下); 两样本T检验; 方差分析; 相关分析; 相关知识点答疑; 简单线性回归(上); 简单线性回归(下); 多元线性回归; 课后作业与课程答疑; 二手房房价影响因素分析讲解1背景介绍; 描述性分析-1对被解释变量进行描述; 描述性分析-2对解释变量进行描述1; 描述性分析-3对解释变量进行描述2; 建立预测模型-1单变量显著度检验; 建立预测模型-2无交互项的线性模型; 建立预测模型-3有交互项的线性模型和预测
第5章汽车贷款信用评分卡制作: 课程答疑; 线性回归检验（上）; 线性回归检验（中）; 线性回归检验（下）; 逻辑回归基础（上）; 逻辑回归基础（下）; 课程答疑2; 电信客户流失预警作业讲解1总体介绍; 矩估计1; 矩估计2; 极大似然估计; 线性回归的极大似然估计; 逻辑回归的极大似然估计; 模型调优; 流失预警模型的调优; 最近邻域法的参数调优
第6章电信客户流失预警: 课前答疑; 决策树建模思路（上）; 决策树建模思路（下）; 决策树建模基本原理; Quinlan系列决策树建模原理-ID3; Quinlan系列决策树建模原理-C4.5; CART决策树建模原理; 模型修剪-以CART为例; 案例讲解1; 神经网络基本概念; 人工神经网络结构; 感知器; 案例讲解2; 神经网络; 课后答疑
第7章个人银行反欺诈模型: 不平衡分类概述; 欠采样; 过采样; 综合采样; 案例讲解; 集成学习概述; 随机森林; Adaboost算法_; 提升树、GBDT和XGBoost
第8章慈善机构精准营销案例: 多元统计基础与变量约减的思路; 主成分分析理论基础1; 主成分分析理论基础2; 主成分分析理论基础3; 主成分分析案例1; 主成分分析案例2; 因子分析1.; 因子分析2; 稀疏主成分分析; 变量聚类原理; 变量聚类操作; 答疑1; 案例2：精准营销的两阶段预测模型1; 案例2：精准营销的两阶段预测模型2; 案例2：精准营销的两阶段预测模型3; 精准营销的两阶段预测模型4; 答疑2_
第9章银行客户渠道使用偏好的客户洞察: 凸优化基本概念; 凸集的概念; 凸函数; 无约束凸优化计算_; 有约束凸优化计算; 朴素贝叶斯分类器; 支持向量机引论; 线性可分的支持向量机; 线性不可分的支持向量机; 支持向量机使用案例; GBDT和分类模型评估(算法角度); GBDT和分类模型评估(算法角度); GBDT和分类模型评估(算法角度); GBDT和分类模型评估(算法角度); 客户画像与标签体系; 客户细分; 聚类的基本逻辑; 系统聚类(上); 系统聚类(下); K-means聚类; 使用决策树做聚类后客户分析; 课后答疑
第10章推荐系统设计与银行产品推荐: 智能推荐（上）; 智能推荐（下）; 购物篮分析与运用; 关联规则（上）; 关联规则（中）; 关联规则（下）; 序贯模型; 相关性在推荐中的运用; 答疑

暂无课件

取消回复发送

取消发布笔记发送

© 2021 Python学习网苏ICP备2021003149号-1

Python学习网