欢迎购买学习《2022.5月Python心脏病发作预测分析机器学习项目实战视频教程》课程,你将学习数据科学和机器学习——通过真实的心脏病发作分析项目提高你的机器学习、统计技能。

发表于 05/2022
MP4 | 视频:h264, 1280×720 | 音频:AAC,44.1 KHz,2 Ch
类型:eLearning | 语言:英语 + 英语字幕srt | 时长:53 节课(7h 23m)| 大小:2.2 GB

你会学到什么

  • 机器学习描述了使用基于真实数据训练的模型进行预测的系统。
  • 机器学习不仅对预测短信或智能手机语音识别有用。
  • 数据科学使用算法来理解原始数据。数据科学与传统数据分析的主要区别在于其侧重于预测。
  • 数据科学包括准备、分析和处理数据。它借鉴了许多科学领域,作为一门科学,它通过创造新的算法而进步
  • 数据科学家使用机器学习来发现大量原始​​数据中的隐藏模式,以阐明实际问题。
  • 项目的第一步
  • 项目中使用的笔记本设计
  • 检查项目主题
  • 识别数据集中的变量
  • 所需的 Python 库
  • 加载数据集
  • 对数据集的初步分析
  • 检查缺失值
  • 检查唯一值
  • 分离变量(数值或分类)
  • 检查变量的统计
  • 数值变量(使用 Distplot 进行分析)
  • 分类变量(饼图分析)
  • 根据分析结果检查缺失数据
  • 数值变量 – 目标变量(使用 FacetGrid 进行分析)
  • 分类变量 – 目标变量(计数图分析)
  • 检查自身之间的数值变量(配对图分析)
  • 使用 Robust Scaler 方法进行特征缩放以实现新的可视化
  • 使用 Melt() 函数创建一个新的 DataFrame
  • 数值 – 分类变量(使用群图分析)
  • 数值 – 分类变量(箱线图分析)
  • 变量之间的关系(使用热图分析)
  • 删除相关性较低的列
  • 可视化异常值
  • 处理异常值
  • 确定数值变量的分布
  • 非对称数据的转换操作
  • 将一种热编码方法应用于分类变量
  • 使用机器学习算法的鲁棒缩放器方法进行特征缩放
  • 将数据分成测试集和训练集
  • 逻辑回归
  • 逻辑回归算法的交叉验证
  • 逻辑回归算法的 Roc 曲线和曲线下面积 (AUC)
  • 逻辑回归算法的超参数优化(使用 GridSearchCV)
  • 决策树算法
  • 支持向量机算法
  • 随机森林算法
  • 随机森林算法的超参数优化(使用 GridSearchCV)
  • 项目总结与分享

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源