數(shù)值計算包學習
1、數(shù)值計算包工具介紹
2、Numpy多維數(shù)組
3、數(shù)組的屬性與操作
4、基本的數(shù)組運算
5、Scipy工作原理介紹
6、SciPy交互工作數(shù)據(jù)處理包Pandas
1、本地環(huán)境安裝
2、加載工具庫
3、Pandas創(chuàng)建對象
4、操作行和塊
5、窺視數(shù)據(jù)
6、缺失值處理、合并于分組
數(shù)據(jù)加載與存儲
1、Pandas導入導出數(shù)據(jù)
2、與SQL/Excel 對比
3、數(shù)據(jù)體量與工具選擇
4、范式中的切片與分組
5、Pandas索引與排序
6、文本轉(zhuǎn)化為虛擬變量
7、Pandas數(shù)據(jù)回歸
8、讀取文本文件數(shù)據(jù)加載與存儲
1、Pandas導入導出數(shù)據(jù)
2、與SQL/Excel 對比
3、數(shù)據(jù)體量與工具選擇
4、范式中的切片與分組
5、Pandas索引與排序
6、文本轉(zhuǎn)化為虛擬變量
7、Pandas數(shù)據(jù)回歸
8、讀取文本文件
聚類算法
1、有監(jiān)督與無監(jiān)督問題
2、k-means聚類算法原理
3、層次聚類算法
4、SOM聚類算法
5、FCM聚類算法
6、python實現(xiàn)k-means算法
7、聚類算法應用場景與特征工程
回歸算法
1、線性回歸算法原理推導
2、多元線性回歸問題推導
3、非線性回歸問題求解
4、實現(xiàn)簡易回歸算法
5、邏輯回歸算法原題
6、實戰(zhàn)梯度下降算法
貝葉斯分類與近鄰分類
1、貝葉斯算法原理推導
2、基于貝葉斯理論的垃圾郵件攔截
3、基于貝葉斯理論的輿情系統(tǒng)設(shè)計
4、近鄰(KNN)算法原理詳解
5、近鄰算法在手寫體數(shù)字識別中的應用
支持向量機
1、SVM要解決的問題
2、線性SVM原理推導
3、SVM對偶問題與核變換
4、soft支持向量機問題
5、多類別分類問題解決方案