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62任务： 2.3.3 密度聚类算法原理
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
