ndarray介绍-机器学习边学变练(黑马程序员)-Python学习网教程

ndarray介绍

下一节课程：创建0，1数组，固定范围数组(4615次播放)

5 秒后自动播放下一节

机器学习边学变练(黑马程序员)

难度:初级共112节507145次学习

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

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