请至PC端网页下载本课程代码课件及数据。
Sklearn是python用于数据挖掘以及机器学习的利器,但是其功能庞杂,初学者很难理清脉络,快速学习其应用精髓。
本课程以以CRISP-DM为理论指导,系统介绍了sklearn在数据挖掘/机器学习各个环节的功能实现,从数据挖掘实战的角度出发详细介绍如何在sklearn中完成数据预处理、数据降维、数据建模、模型评估等各种操作,并突出特征选择、模型调参,模型集成等在数据挖掘实战环境中的重要课题。
学习完本课程后,学员将能够独立使用sklearn完成数据挖掘或机器学习实际项目。
【课程大纲】
第1章:python机器学习/数据挖掘概述
第2章:数据的预处理
第3章:特征选择与信息浓缩
第4章:回归类模型的训练
第5章:类别预测模型的训练
第6章:聚类模型的训练
第7章:评估模型效果
第8章:数据的拆分
第9章:模型参数优化
第10章:模型集成
【课程长度】
总时长:12小时
【学员基础】
学员需要懂得Python语言的基本编程知识,有基本的程序查错能力。
学员事前应当学习统计分析的基本知识,建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》和《统计模型轻松入门》。