- Pandas 数据预处理
- K-近邻
- 线性回归
- 特征工程
- 梯度下降法
- 决策树
- 随机森林
- 逻辑回归
- 主成分分析
- 时间序列数据处理
机器学习开放基础课程是实验楼经由 Open Machine Learning Course 授权并制作的机器学习免费基础实战课。主要讲解机器学习常用的分类算法和回归算法,以及常用的数据预处理技巧。
知识点: 1.排列 2.索引 3.交叉表 4.透视表 5.数据探索
知识点: 1.单变量可视化的常用方法 2.多变量可视化的常用方法 3.tSNE
知识点: 1.决策树 2.最近邻方法 3.交叉验证
知识点: 1.回归 2.线性分类 3.逻辑回归的正则化 4.逻辑回归的优缺点 5.验证和学习曲线
知识点: 1.集成 2.Bootstraping 3.Bagging 4.随机森林 5.特征重要性
知识点: 1.特征提取 2.特征转换 3.特征选择
知识点: 1.PCA降维 2.KMeans 3.近邻传播 4.谱聚类 5.凝聚聚类
知识点: 1.随机梯度下降 2.在线学习 3.独热编码 4.哈希技巧
知识点: 1.时间序列 2.SARIMA 3.线性回归 4.XGBoost 5.Prophet
机器学习开放基础课程是蓝桥云课经由 Open Machine Learning Course 授权并制作的机器学习免费基础实战课。主要讲解机器学习常用的分类算法和回归算法,以及常用的数据预处理技巧。
我们在原英文课程提供的内容和代码基础上进行了编译,并不局限于简单的翻译。特别地,我们针对部分代码和内容进行增删,添加了更多的讲解和注释性内容,内容也更易于国内用户理解。另外,课程适配了蓝桥云课提供的线上 Notebook 实验环境,让你可以随时随地开始学习。该课程适合于对机器学习感兴趣的用户,但需要具备基础的 Python 编程能力和数学水平。
huhuhang 蓝桥教研中心 共发布过 133 门课程
查看老师的所有课程 >免费
这个挑战的难度挺高的
希望关于tsne的图表坐标能有更加详细的解说
这难度还算可以,不会太难但又具有一定的挑战性,很好地温故知新,只是有些好用的函数前面没教。有点可惜。
这才刚开始干货就这么多,我好害怕呀
学会了 Pandas 对数据进行了一定程度的分析和探索,交叉表、透视表等方法的运用将使你在数据探索过程中事半功倍
好
好
pandas 牛逼
挺好的
55
决策树的那个例子还不错,但是随机森林的例子有点没看懂
最后画图的时候,有点懵
这种学习模式好喜欢
习题不错
6666