欢迎学习《2022版掌握Python数据分析和建模基础实战训练视频教程》课程,你将在使用Jupyter notebook、Numpy、SciPy、Pandas、Matplotlib、Statmodels、Scikit-learn 等的真实项目中学习掌握Python数据分析和建模。本课程使用真实世界的项目和数据集以及著名的 Python 库向您展示如何挖掘数据、发现问题并解决问题,以及如何以易于理解的方式逐步开发经典的统计回归模型和机器学习回归。
MP4 | 视频:h264, 1280×720 | 音频:AAC,44.1 KHz,2 Ch
类型:eLearning | 语言:英语 + srt | 时长:34 节课(7 小时 2 分钟)| 大小:2.97 GB
你会学到什么
- 数据分析和建模过程
- 搭建Python数据分析建模环境
- 数据探索
- 重命名数据列
- 数据切片、排序、过滤和分组数据
- 缺失值检测和插补
- 异常值检测和处理
- 相关分析和特征选择
- 拆分数据集以进行模型拟合和测试
- 不同方法的数据归一化
- 开发经典的统计线性回归模型
- 开发机器线性回归模型
- 解释模型结果
- 改进模型
- 评估模型
- 可视化模型结果
要求
理解代码所需的基本 Python 语言知识
描述
我们生活在数据无处不在的数据爆炸世界中,因此建立数据分析和建模技能至关重要。根据 TIOBE 指数,Python 已经超越 Java 和 C,成为自 2021 年 10 月以来最流行的编程语言。根据 KDnuggets 民意调查,Python 领先于顶级数据科学和机器学习平台。
完成本课程后,您将掌握以下技能
- (1) 使用 Python Pandas 库探索数据
- (2) 使用不同的方法重命名数据列
- (3) 通过不同的方法检测数据集中的缺失值和异常值
- (4) 采用不同的方法来填补缺失和处理异常值
- (5)进行相关性分析,根据分析选择特征
- (6) 用不同的方法对分类变量进行编码
- (7) 拆分数据集进行模型训练和测试
- (8) 使用缩放方法对数据进行归一化
- (9) 开发经典统计回归模型和机器学习回归模型
- (10) 拟合模型、改进模型、评估模型和可视化建模结果等等
本课程适用于谁
- 业务分析师
- 数据分析专业人士
- 统计学家
- 从事数据分析、建模和机器学习的工程师和科学家
- 任何想为他/她的项目学习使用 Python 进行数据分析和建模的人
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。