<ul id="ws8qs"></ul>
<del id="ws8qs"></del>
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽； 2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。 3、培訓合格學員可享受免費推薦就業機會。
課程目標 掌握Python數據挖掘流程，熟練使用Python庫進行建模分析。 適用人群 熟悉Python準備從事數據領域的同學們 課程簡介 Python數據挖掘系列課程基于真實數據集進行案例實戰，使用Python數據科學庫從數據預處理開始一步步進行數據建模。對于每個案例首先進行流程解讀與數據分析，建立特征工程，詳細解讀其中每一步原理與應用 第1章泰坦尼克號獲救預測 1-1數據挖掘任務流程 1-2數據介紹 1-3Python兵器庫介紹 1-4sklearn庫介紹 1-5數據讀取與統計分析 1-6性別特征分析 1-7船艙等級特征分析 1-8缺失值問題 1-9年齡缺失值填充與分析 1-10登船地點特征分析 1-11家庭特征分析 1-12特征相關性 1-13構建特征 1-14機器學習算法概述 1-15交叉驗證 1-16多種機器學習算法模型效果 1-17集成模塊 1-18特征重要性衡量 1-19總結與特征預處理 第2章用戶畫像 2-1用戶畫像概述 2-2如何建立用戶畫像 2-3用戶搜索數據介紹 2-4任務概述與方案 2-5構造詞向量特征 2-6構造輸入特征 2-7建立預測模型 第3章Xgboost實戰 3-1Xgboost算法概述 3-2Xgboost模型構造 3-3Xgboost建模衡量標準 3-4Xgboost安裝 3-5保險賠償任務概述 3-6Xgboost參數定義 3-7基礎模型定義 3-8樹結構對結果的影響 3-9學習率與采樣對結果的影響 第4章用電敏感客戶分類 4-1任務概述與解決框架 4-2特征工程分析與特征提取 4-3離散數據處理 4-4統計與文本特征 4-5文本特征構建 4-6構建低敏用戶模型 4-7高敏模型概述 第5章BenchMark與論文的作用 5-1HTTP檢測任務與數據挖掘的核心 5-2論文的重要程度 5-3BenchMark概述 5-4BenchMark的作用 第6章京東購買意向預測 6-1項目與數據介紹 6-2數據挖掘流程 6-3數據檢查 6-4構建用戶特征表單 6-5構建商品特征表單 6-6數據探索概述 6-7購買因素分析 6-8特征工程 6-9基本特征構造 6-10行為特征 6-11累計行為特征 6-12Xgboost模型 第7章kaggle數據科學調查 7-1kaggle數據科學調查介紹 7-2基本情況可視化展 7-3工資情況 7-4技能使用情況 7-5數據集與平臺 7-6Python與R哪家強 7-7調查總結 第8章房價預測 8-1房價預測任務概述 8-2離散型數據 8-3數據對數變換 8-4缺失值處理與box-cox變換 8-5模型預測 第9章fbprophet時間序列預測 9-1fbprophet股價預測任務概述 9-2時間序列分析 9-3fbprophet時間序列預測實例 9-4亞馬遜股價趨勢 9-5突變點調參
<strike id="kukkg"></strike>
<fieldset id="kukkg"></fieldset>
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業