登录
注册
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
【技术入库】大数据洞察
第38任务: 1.10.1 数据清洗-记录重复
查看课程
任务列表
第1任务: 1.1.1 Numpy读写二进制文件
第2任务: 1.1.2 Numpy读写txt文件
第3任务: 1.1.3 利用Numpy对数据进行简单统计分析
第4任务: 1.2 Pandas简介
第5任务: 1.2.1 Pandas读取文本数据
第6任务: 1.2.2 存储数据框
第7任务: 1.2.3 Pandas读取excel文件
第8任务: 1.2.4 将数据框存储为excel文件
第9任务: 1.3.1 构建数据框
第10任务: 1.3.2 查看数据框的常用属性
第11任务: 1.3.3 按行列顺序访问数据框中的元素
第12任务: 1.3.4 按行列名称访问数据框中的元素
第13任务: 1.3.5 修改数据框中的元素
第14任务: 1.3.6 删除数据框中的元素
第15任务: 1.3.7 描述分析数据框中的元素
第16任务: 1.4.1 转换成时间类型数据
第17任务: 1.4.2 时间类型数据的常用操作
第18任务: 1.5.1 groupby分组操作
第19任务: 1.5.2 agg聚合操作
第20任务: 1.6.1 生成透视表
第21任务: 1.6.2 生成交叉表
第22任务: 1.7.1 表堆叠
第23任务: 1.7.2 主键合并
第24任务: 1.7.3 重叠合并
第25任务: 1.8.1 一致性校验
第26任务: 1.8.2 缺失值校验
第27任务: 1.8.3 异常值校验-简单统计量分析
第28任务: 1.8.4 异常值校验-IQR准则和3西塔原则
第29任务: 1.8.5 异常值校验-箱型图分析
第30任务: 1.9.1 集中趋势度量
第31任务: 1.9.2 离中趋势度量
第32任务: 1.9.3 定量数据分布分析
第33任务: 1.9.4 定性数据分布分析
第34任务: 1.9.5 对比分析
第35任务: 1.9.6 周期分析
第36任务: 1.9.7 贡献度分析
第37任务: 1.9.8 相关性分析
第38任务: 1.10.1 数据清洗-记录重复
第39任务: 1.10.2 数据清洗-属性内容重复
第40任务: 1.10.3 数据清洗- 缺失值处理&异常值处理
第41任务: 1.11.1 数据标准化
第42任务: 1.11.2 数据离散化-等宽法
第43任务: 1.11.3 数据离散化-等频法
第44任务: 1.11.4 数据离散化-聚类法
第45任务: 1.11.5 独热编码
第46任务: 【下载】学习配套资料
第47任务: 【下载】实训数据
第48任务: 实训1 创建透视表与交叉表
第49任务: 实训2 转换数据
第50任务: 2.1 数据认知
第51任务: 2.2.1 构建线性回归模型
第52任务: 2.2.2 构建逻辑回归模型
第53任务: 2.2.3 构建决策树模型
第54任务: 2.2.4 构建KNN模型
第55任务: 2.2.5 构建非线性支持向量机
第56任务: 2.2.6 神经网络原理
第57任务: 2.2.7 构建神经网络模型
第58任务: 2.2.8 集成算法原理
第59任务: 2.2.9 集成算法代码实现
第60任务: 2.3.1 Kmeans聚类算法原理
第61任务: 2.3.2 kmeans聚类算法实现
第62任务: 2.3.3 密度聚类算法原理
第63任务: 2.3.4 密度聚类实现
第64任务: 2.3.5 层次聚类
第65任务: 2.3.6 层次聚类模型实现
第66任务: 2.4 关联规则原理
第67任务: 2.5.1 智能推荐原理
第68任务: 2.5.2 基于用户的协同过滤推荐(1)-计算用户相似度
第69任务: 2.5.3 基于用户的协同过滤推荐(2)- 预测评分
第70任务: 2.5.4 基于用户的协同过滤推荐(3)- 模型评价
第71任务: 2.5.5 基于物品的协同过滤推荐-计算物品相似度
第72任务: 2.5.6 基于物品的协同过滤推荐-推荐与评价
第73任务: 2.5.7 基于流行度的推荐-计算动漫热度
第74任务: 2.5.8 基于流行度的推荐-推荐评价
第75任务: 2.6.1 时间序列原理
第76任务: 2.6.2 时间序列-预处理
第77任务: 2.6.3 时间序列-模型构建
第78任务: 2.7 引言
第79任务: 2.8 基本术语
第80任务: 2.9 假设空间&归纳偏好
第81任务: 2.10.1经验误差与过拟合
第82任务: 2.10.2评估方法
第83任务: 2.10.3性能度量
第84任务: 2.10.4性能度量Python实现
第85任务: 2.11.1线性回归基本形式
第86任务: 2.11.2线性回归模型的Python实现
第87任务: 2.11.3波士顿房价预测的Python实现
第88任务: 2.12.1 逻辑回归介绍
第89任务: 2.12.2 研究生入学录取预测的Python实现
第90任务: 2.13.1 从女生相亲到决策树
第91任务: 2.13.2明天适合打球吗
第92任务: 2.13.3 决策树拆分属性选择
第93任务: 2.13.4 决策树算法家族
第94任务: 2.13.5 泰坦尼克号生还者预测—数据预处理
第95任务: 2.13.6泰坦尼克号生还者预测—模型构建与预测
第96任务: 2.13.7决策树可视化
第97任务: 2.14.1 单个神经元介绍
第98任务: 2.14.2 经典网络结构介绍
第99任务: 2.14.3 神经网络工作流程演示
第100任务: 2.14.4 如何修正网络参数-梯度下降法
第101任务: 2.14.5 网络工作原理推导
第102任务: 2.14.6 网络搭建准备
第103任务: 2.14.7 样本从输入层到隐层传输的Python实现
第104任务: 2.14.8 网络输出的Python实现
第105任务: 2.14.9 单样本网络训练的Python实现
第106任务: 2.14.10 全样本网络训练的Python实现
第107任务: 2.14.11 网络性能评价
第108任务: 2.14.12 调用sklearn实现神经网络算法
第109任务: 2.15.1 KNN算法介绍
第110任务: 2.15.2 KNN算法解决鸢尾花分类问题
第111任务: 2.16.1 非洲人还是北美人
第112任务: 2.16.2 为什么有“朴素”二字
第113任务: 2.16.3 拉普拉斯修正
第114任务: 2.16.4 用高斯朴素贝叶斯算法解决鸢尾花分类问题
第115任务: 2.17.1 聚类分析概述
第116任务: 2.17.2相似性度量
第117任务: 2.17.3 K-Means聚类分析算法介绍
第118任务: 2.17.4 利用K-Means算法对鸢尾花进行聚类
第119任务: 2.17.5 聚类结果的性能度量
第120任务: 2.17.6 调用sklearn实现聚类分析
第121任务: 2.18.1 间隔与支持向量
第122任务: 2.18.2 对偶问题
第123任务: 2.18.3 核函数
第124任务: 2.18.4 软间隔与正则化
第125任务: 2.18.5 支持向量机算法的Python实现
第126任务: 2.19 小结
第127任务: 【下载】学习配套资料
第128任务: 【下载】实训数据
第129任务: 实训1 完成波士顿房价预测模型
第130任务: 实训2 使用关联规则算法挖掘网址的相关关系
第131任务: 3.1.1 Matplotlib绘制流程说明
第132任务: 3.1.2 添加文本和修改绘图风格
第133任务: 3.1.3 rc参数
第134任务: 3.1.4 散点图
第135任务: 3.1.5 折线图
第136任务: 3.1.6 直方图和条形图
第137任务: 3.1.7 饼图
第138任务: 3.1.8 箱线图
第139任务: 3.1.9 人口特征间分布
第140任务: 3.1.10 人口各个特征分布
第141任务: 3.2.1 seaborn基础介绍
第142任务: 3.2.2 seaborn简单绘图
第143任务: 3.2.3 seaborn绘图风格
第144任务: 3.2.4 调色板1
第145任务: 3.2.5 调色板2
第146任务: 3.2.6 关系图
第147任务: 3.2.7分类图
第148任务: 3.2.8分布图
第149任务: 3.2.9回归图
第150任务: 3.2.10矩阵图
第151任务: 3.2.11 网格图
第152任务: 3.3.1 Pyecharts基础介绍
第153任务: 3.3.2 Pyecharts绘制日历图
第154任务: 3.3.3 Pyecharts绘制漏斗图
第155任务: 3.3.4Pyecharts绘制仪表盘
第156任务: 3.3.5Pyecharts绘制水球图
第157任务: 3.3.6Pyecharts绘制关系图
第158任务: 3.3.7Pyecharts绘制直角坐标系图表
第159任务: 3.3.8Pyecharts绘制饼图
第160任务: 3.3.9Pyecharts绘制雷达图
第161任务: 3.3.10 Pyecharts绘制词云图
第162任务: 3.3.11Pyecharts绘制柱状图
第163任务: 3.3.12Pyecharts绘制树形图
第164任务: 3.3.13Pyecharts绘制地理图表
第165任务: 3.3.14Pyecharts绘制3D图表
第166任务: 【下载】学习配套资料
第167任务: 【下载】实训数据
第168任务: 实训1 使用matplotlib分析特征间关系
第169任务: 实训2 使用seaborn实现分类分布图
第170任务: 实训3 使用pyecharts绘制直角坐标系图表
学
习
中
心
TOP
张老师
群1:897428979
群2:642795722
工作时间:9:00 - 18:00
张老师:18927565259
邮箱:
3120701392@qq.com