- 第1章 人工智能概述
- 机器学习科学计算库内容简介
- 人工智能概述
- 人工智能的发展历程
- 人工智能主要分支
- 第2章 机器学习与深度学习
- 机器学习定义工作流程概述
- 机器学习工作流程各步骤解释
- 机器学习算法分类介绍
- 模型评估
- Azure机器学习平台实验演示1
- Azure机器学习平台实验演示2
- 深度学习简介
- 基础环境安装
- 第3章 jupyter和数据分析三剑客
- jupyter notebook的基本使用1
- jupyter notebook的基本使用2
- matplotlib的基本使用
- 实现基础绘图-某城市温度变换图
- 绘图辅助功能完善-某城市温度变换图
- 在一个坐标系下绘制多个图像
- 在多个坐标系下绘制多个图像
- 常见图形绘制
- numpy介绍
- ndarray介绍
- 创建0，1数组，固定范围数组
- 创建随机数组
- 数组的基本操作
- ndarray的运算
- 数组间运算
- 矩阵复习
- pandas介绍
- pandas数据结构-series
- pandas数据结构-DataFrame1
- pandas数据结构-DataFrame2
- pandas数据结构-multiindex和pan...
- pandas中的索引
- 赋值和排序
- pandas中的算术运算和逻辑运算
- pandas中的统计函数
- pandas中的累计统计函数和自定义函数
- pandas中绘图方式介绍
- pandas中文件的读取和写入
- 缺失值的处理
- 第4章 数据处理与案例分析
- 数据离散化
- 数据表的合并
- 交叉表和透视表介绍
- 分组聚合介绍
- 星巴克案例实现
- 电影案例分析1
- 电影案例分析2
- 第5章 KNN算法
- K-近邻算法简介
- K近邻算法api初步使用
- 机器学习中距离度量介绍
- K值的选择介绍
- kd树和kd树的构造过程
- kd树案例实现
- 数据集获取和属性介绍
- 数据可视化介绍
- 数据集的划分
- 特征预处理简介
- 归一化和标准化介绍
- 鸢尾花种类预测
- KNN算法总结
- 交叉验证、网格搜索概念介绍
- 交叉验证、网格搜索案例实现
- 案例-Facebook位置预测流程分析
- 案例-Facebook位置预测代码实现1
- 案例-Facebook位置预测代码实现2
- 第6章 线性回归
- 线性回归简介
- 初始线性回归api
- 数学：求导
- 线性回归中损失函数的介绍
- 使用正规方程对损失函数进行优化
- 使用梯度下降法对损失函数进行优化
- 梯度下降法方法介绍
- 线性回归api再介绍
- 波士顿房价预测案例
- 欠拟合和过拟合的介绍
- 正则化线性模型
- 岭回归介绍
- 模型保存和加载
- 第7章 逻辑回归决策树算法
- 逻辑回归介绍
- 逻辑回归api介绍
- 肿瘤预测案例
- 分类评估方法介绍
- roc曲线绘制过程
- 决策树算法简介
- 熵的介绍
- 信息增益的介绍
- 信息增益率的介绍
- 基尼指数的介绍
- 决策树划分原理小结
- cart剪枝介绍
- 字典特征提取
- 英文文本特征提取
- 中文文本特征提取
- tfidf内容讲解
- 决策树算法api介绍
- 泰坦尼克号乘客生存预测
- 树木可视化操作
- 第8章 集成学习算法选择
- 集成学习简介
- bagging和随机森林概念介绍
- 随机森林api实现
- boosting概念介绍
- GBDT内容介绍
- 聚类算法介绍
- 聚类算法api初步实现
- 聚类算法实现流程
- 模型评估
- 算法优化介绍
- 特征降维内容介绍
- pca降维介绍
- 用户对物品类别的喜好细分案例
- 算法选择指导
