“用Python进行机器学习开发课程方案”
课程名称:
用Python进行机器学习开发
课程适合人群:
机器学习开发工程师、机器学习测试工程师
本课程重点解答&解决:
本课程亮点+核心价值介绍:
课程大纲:
课长4天
1数据分析
1.1基本库
Numpy
Pandas
Matplotlib
Scipy
1.2数据分析
数据加载
cvs文件
Excel文件
数据库
数据清洗和准备
数据概览和类型转换
处理丢失数据
处理重复数据
数据转换
数据替换
数据离散化
数据拆分
过滤异常值
字符串处理
数据规整
层次化索引
合并数据集
重塑和轴向旋转
可视化
折线
柱状图
直方图和密度图
散点图
分组聚合
分组
聚合
基本聚合
桶分析
2 机器学习算法
原理
线性模型(Linear)
线性模型原理
线性回归(LinearRegression)
StatsModels的线性回归
逻辑回归算法(Logistical Regression)
岭回归算法(Ridge Regression)
套索回归算法(Lasso Regression)
弹性网络(Elastic Net)
K邻近算法(KNeighbors)
K邻近算法原理
K邻近分类算法(KNeighborsClassifier)
K邻近回归算法(KNeighborsRegressor)
朴素贝叶斯
朴素贝叶斯原理(NB)
贝努利贝叶斯(BernoulliNB)
高斯贝叶斯(GaussianNB)
多项式贝叶斯(MultinomialNB)
支持向量机(SVM)
支持向量机原理
支持向量机分类算法(SVC)
支持向量机线性分类算法(LinearSVC)
支持向量机回归算法(SVR)
支持向量机线性回归算法(LinearSVR)
决策树(DecisionTree)
决策树原理
决策树分类算法(DecisionTreeClassifier)
决策树回归算法(DecisionTreeRegressor)
集成学习
集成学习原理
随机森林算法(RandomForest)
随机森林分类算法(RandomForestClassifier)
随机森林回归算法(RandomForestRegressor)
AdaBost(Adaptive Boosting)
装袋算法(Bagging)
投票分类(Voting Classifier)
堆垛分类(Stacking Classifier)
聚类
聚类原理
K均值聚类(k-means)
凝聚聚类(agglomerative)
DBSCAN
降维
降维原理
主生成分析(PCA)
非负矩阵分解(NMF)
线性判别分析(LDA)
神经网络(MLP)
神经网络原理
神经网络分类算法(MLPClassifier)
神经网络分类算法(MLPRegressor)
3 数据处理和优化
数据处理
数据表达与特征工程
模型评估
管道模型
【投稿】【关闭窗口】【打印】