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
首页
图书教材配套资料
图书学习视频
【图书】Python数据分析与挖掘实战
20
人加入学习
【图书】Python数据分析与挖掘实战
价格
¥
199.00
教学计划
基础篇+案例篇
案例篇
基础篇
学习有效期
长期有效
已收藏
收藏
分享
扫一扫
扫二维码继续学习 二维码时效为半小时
分享
已收藏
收藏
购买课程
目录
笔记
(0)
介绍
全部
基础篇
案例篇
基础篇+案例篇
3.1.3 箱型图分析
全部任务
1.1 数据挖掘发展史
1.2 数据挖掘的基本任务
1.3 数据挖掘的通用流程
1.4 常用数据挖掘建模工具
1.5 Python数据挖掘的环...
4.1.1 数据清洗-记录重复
4.1.2 数据清洗-属性内容重...
4.1.3 数据清洗- 缺失值处...
4.2.1 数据标准化
4.2.2 数据离散化-等宽法
4.2.3 数据离散化-等频法
4.2.4 数据离散化-聚类法
4.2.5 独热编码
4.3.1 堆叠合并
4.3.2 主键合并
4.3.3 重叠合并
4.3.4 分组聚合-group...
4.3.5 分组聚合-agg方法
4.3.6 分组聚合-apply...
5.0 构建线性回归模型
5.1 构建逻辑回归模型
5.2 构建决策树模型
5.3 构建KNN模型
5.4 构建非线性支持向量机
5.5.1 神经网络原理
5.5.2 构建神经网络模型
5.6.1 集成算法原理
5.6.2 集成算法代码实现
5.7.1 Kmeans聚类算法...
5.7.2 kmeans聚类算法...
5.7.3 密度聚类算法原理
5.7.4 密度聚类实现
5.7.5 层次聚类
5.7.6 层次聚类模型实现
5.8.1 关联规则原理
5.9.1 智能推荐原理
5.9.2 基于用户的协同过滤推...
5.9.3基于用户的协同过滤推荐...
5.9.4 基于用户的协同过滤推...
5.9.5 基于物品的协同过滤推...
5.9.6 基于物品的协同过滤推...
5.9.7 基于流行度的推荐-计...
5.9.8 基于流行度的推荐-推...
5.10.1 时间序列原理
5.10.2 时间序列-预处理
5.10.3 时间序列-模型构建
6.1 案例背景
6.2.1 描述性统计分析
6.2.2 数据探索
6.3.1 数据清洗
6.3.2 属性构建
6.4.1 聚类参数寻优
6.4.2 模型构建
6.4.3 客户分类
6.5 模型评价
6.6 小结
7.1 背景与目标
7.2 数据探索
7.3.1 数据预处理
7.3.2 数据预处理代码实现
7.4 关联规则
8.1 背景与目标
8.2.1 检验数据平稳性
8.2.2 处理非平稳序列
8.2.3 ARIMA模型预测
8.2.3 检验数据纯随机性
8.3.1 ARIMA模型定阶
8.3.2 ARIMA模型检验
8.4 小结
9.1 背景与目标
9.2.1 描述性统计分析
9.2.2 分析用户消费行为信息
9.2.3 分析商户投放优惠券信...
9.3.1 数据清洗
9.3.2 数据变换
9.4.1 模型构建
9.4.2 结果分析
9.5 模型应用
9.6 小结
O2O优惠券使用预测案例-数据和...
10.1.1 背景与目标
10.1.2 目标分析与解读
10.1.3 数据介绍
10.2.1 收视数据探索
10.2.2 异常数据探索
10.2.3 收视数据处理介绍
10.2.4 去除特殊线路和政企...
10.2.5 去除直播记录中不关...
10.2.6 去除累计超过3小时...
10.2.7 订单数据预处理介绍
10.2.8 订单数据处理-业务...
10.2.9 订单数据预处理-产...
10.2.10 保存预处理后的数...
10.2.11 用户观看电视时长...
10.2.12 热门频道的可视化
10.2.13 构建标签库介绍
10.2.14 客户标签的计算方...
10.2.15 产品标签体系
10.2.16 客户标签体系介绍
10.2.17 客户标签计算方法
10.2.18 电视依赖度标签计...
10.2.19 电视依赖度标签计...
10.2.20 用户画像构建
10.3.1 协同过滤推荐
10.3.2 基于流行度的推荐
10.4 案例小结及平台呈现
电视产品个性化推荐案例-数据和代...
2.1.1 基本运算
2.1.1 列表或元组
2.1.1 集合
2.1.1 字典
2.1.2 判断与循环
2.1.3 函数
2.1.3 函数式编程
2.1.3 库的导入与添加
2.2~2.3 Python数据...
3.1.1 一致性校验
3.1.2 缺失值校验
3.1.3 简单统计量分析
3.1.3 IQR准则和3西塔原...
3.2.1 集中趋势度量
3.2.1 离中趋势度量
3.2.2 定量数据分布分析
3.2.2 定性数据分布分析
3.2.4 周期分析
3.2.3 对比分析
3.2.5 贡献度分析
3.2.6 相关性分析
3.1.3 箱型图分析
1.1 数据挖掘发展史
1.2 数据挖掘的基本任务
1.3 数据挖掘的通用流程
1.4 常用数据挖掘建模工具
1.5 Python数据挖掘的环...
2.1.1 基本运算
2.1.1 列表或元组
2.1.1 集合
2.1.1 字典
2.1.2 判断与循环
2.1.3 函数
2.1.3 函数式编程
2.1.3 库的导入与添加
2.2~2.3 Python数据...
3.1.1 一致性校验
3.1.2 缺失值校验
3.1.3 简单统计量分析
3.1.3 IQR准则和3西塔原...
3.1.3 箱型图分析
3.2.1 集中趋势度量
3.2.1 离中趋势度量
3.2.2 定量数据分布分析
3.2.2 定性数据分布分析
3.2.3 对比分析
3.2.4 周期分析
3.2.5 贡献度分析
3.2.6 相关性分析
4.1.1 数据清洗-记录重复
4.1.2 数据清洗-属性内容重...
4.1.3 数据清洗- 缺失值处...
4.2.1 数据标准化
4.2.2 数据离散化-等宽法
4.2.3 数据离散化-等频法
4.2.4 数据离散化-聚类法
4.2.5 独热编码
4.3.1 堆叠合并
4.3.2 主键合并
4.3.3 重叠合并
4.3.4 分组聚合-group...
4.3.5 分组聚合-agg方法
4.3.6 分组聚合-apply...
5.0 构建线性回归模型
5.1 构建逻辑回归模型
5.2 构建决策树模型
5.3 构建KNN模型
5.4 构建非线性支持向量机
5.5.1 神经网络原理
5.5.2 构建神经网络模型
5.6.1 集成算法原理
5.6.2 集成算法代码实现
5.7.1 Kmeans聚类算法...
5.7.2 kmeans聚类算法...
5.7.3 密度聚类算法原理
5.7.4 密度聚类实现
5.7.5 层次聚类
5.7.6 层次聚类模型实现
5.8.1 关联规则原理
5.9.1 智能推荐原理
5.9.2 基于用户的协同过滤推...
5.9.3基于用户的协同过滤推荐...
5.9.4 基于用户的协同过滤推...
5.9.5 基于物品的协同过滤推...
5.9.6 基于物品的协同过滤推...
5.9.7 基于流行度的推荐-计...
5.9.8 基于流行度的推荐-推...
5.10.1 时间序列原理
5.10.2 时间序列-预处理
5.10.3 时间序列-模型构建
6.5 模型评价
6.1 案例背景
6.2.2 数据探索
6.2.1 描述性统计分析
6.3.1 数据清洗
6.3.2 属性构建
6.4.1 聚类参数寻优
6.4.2 模型构建
6.4.3 客户分类
7.4 关联规则
7.1 背景与目标
7.2 数据探索
7.3.1 数据预处理
7.3.2 数据预处理代码实现
8.1 背景与目标
8.2.1 检验数据平稳性
8.2.2 处理非平稳序列
8.2.3 ARIMA模型预测
8.2.3 检验数据纯随机性
8.3.1 ARIMA模型定阶
8.3.2 ARIMA模型检验
8.4 小结
9.1 背景与目标
9.2.1 描述性统计分析
9.2.2 分析用户消费行为信息
9.2.3 分析商户投放优惠券信...
9.3.1 数据清洗
9.3.2 数据变换
9.4.1 模型构建
9.4.2 结果分析
9.5 模型应用
9.6 小结
O2O优惠券使用预测案例-数据和...
10.2.3 收视数据处理介绍
10.2.2 异常数据探索
10.2.1 收视数据探索
10.1.3 数据介绍
10.1.2 目标分析与解读
10.1.1 背景与目标
10.4 案例小结及平台呈现
10.3.2 基于流行度的推荐
10.3.1 协同过滤推荐
10.2.20 用户画像构建
10.2.19 电视依赖度标签计...
10.2.18 电视依赖度标签计...
10.2.17 客户标签计算方法
10.2.16 客户标签体系介绍
10.2.15 产品标签体系
10.2.14 客户标签的计算方...
10.2.13 构建标签库介绍
10.2.12 热门频道的可视化
10.2.11 用户观看电视时长...
10.2.10 保存预处理后的数...
10.2.9 订单数据预处理-产...
10.2.8 订单数据处理-业务...
10.2.7 订单数据预处理介绍
10.2.6 去除累计超过3小时...
10.2.5 去除直播记录中不关...
10.2.4 去除特殊线路和政企...
电视产品个性化推荐案例-数据和代...
排序:
最新笔记
最新笔记
点赞最多
暂无笔记
【图书】Python数据分析与挖掘实战(第2版)
19
0
【图书】Power BI数据分析与可视化(第2版)
6
0
【图书】Excel数据获取与处理实战
4
0
【图书】Spark大数据技术与应用(第2版)
278
0
授课教师
刘晓玲
数据分析讲师
课程特色
视频(59)
下载资料(2)
最新学员
学员动态
沈晓慧
开始学习
5.10.3 时间序列-模型构...
沈晓慧
开始学习
5.10.2 时间序列-预处理
沈晓慧
开始学习
9.4.1 模型构建
沈晓慧
开始学习
9.3.2 数据变换
沈晓慧
完成了
9.3.1 数据清洗
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