Python数据分析系列视频课程--学习数据挖掘

请至PC端网页下载本课程代码课件及数据。

Sklearn是python用于数据挖掘以及机器学习的利器，但是其功能庞杂，初学者很难理清脉络，快速学习其应用精髓。

本课程以以CRISP-DM为理论指导，系统介绍了sklearn在数据挖掘/机器学习各个环节的功能实现，从数据挖掘实战的角度出发详细介绍如何在sklearn中完成数据预处理、数据降维、数据建模、模型评估等各种操作，并突出特征选择、模型调参，模型集成等在数据挖掘实战环境中的重要课题。

学习完本课程后，学员将能够独立使用sklearn完成数据挖掘或机器学习实际项目。

【更新记录】

2022.10：针对Anaconda 10月最新版(python 3.9)和sklearn 1.0.2版完成兼容性测试，更新了对应的课程内容

2022.1：针对Anaconda最新版(python 3.8)和sklearn 1.0.2版完成兼容性测试，更新了对应的课程内容。

2021.7：课程最后增加了“Python数据挖掘系列课程结业测试”。

2021.3：基于最新的sklearn 0.24.1版对课程内容做了全面修订。

【课程大纲】

第1章：python机器学习/数据挖掘概述

第2章：数据的预处理

第3章：特征选择与信息浓缩

第4章：回归类模型的训练

第5章：类别预测模型的训练

第6章：聚类模型的训练

第7章：评估模型效果

第8章：数据的拆分

第9章：模型参数优化

第10章：模型集成

【课程长度】

总时长：12小时

【学员基础】

学员需要懂得Python语言的基本编程知识，有基本的程序查错能力。

学员事前应当学习统计分析的基本知识，建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》和《统计模型轻松入门》。