Python
时间:2023-09-28 来源:
第1章 机器学习基础
² 机器学习概述
² 监督学习简介
² 非监督学习简介
² 增强学习简介
² 深度学习简介
² 机器学习常用术语
第2章 Python 机器学习及分析工具
² 矩阵操作函数库(NumPy)
u NumPy的安装
u NumPy的基本使用
² 科学计算的核心包(SciPy)
u 科学计算的核心包的安装
u 科学计算的核心包的基本使用
² Python 的绘图库(Matplotlib)
u Matplotlib简介及安装
u Matplotlib的基本使用
² 数据分析包(Pandas)
u Pandas简介和安装
u Pandas的基本使用方法
² 机器学习函数库(Scikit-learn)
² 统计建模工具包(StatsModels)
² 深度学习框架(TensorFlow)
第3章 数据预处理
² 数据预处理概述
² 数据清理
u 异常数据处理
u 缺失值处理
u 噪声数据处理
² 数据集成
² 数据变换
² 数据归约
² Python的主要数据预处理函数
u Python的数据结构
u 数据缺失处理函数
第4章 分类问题
² 分类概述
² 常用方法
u k-近邻算法
u 朴素贝叶斯
u 支持向量机
u AdaBoost算法
u 决策树
u Multi-layer Perceptron 多层感知机
² 项目实战
u 实例1:使用k-近邻算法实现约会网站的配对效果
u 实例2:使用朴素贝叶斯过滤垃圾邮件
u 实例3:SVM实现手写识别系统
u 实例4:基于单层决策树构建分类算法
u 实例5:使用决策树对iris数据集分类
u 实例6:使用决策树对身高体重数据进行分类
u 实例7:使用k-近邻算法对鸢尾花数据进行交叉验证
u 使用多层感知器分析,根据葡萄酒的各项化学特征来判断葡萄酒的优劣
第5章 预测分析
² 预测概述
² 常用方法
u 时间序列分析预测法
u BP神经网络模型
² 项目实战
u 实例1:根据一年的历史数据预测后十年的数据趋势
u 实例2:使用神经网络预测公路运量
第6章 关联分析
² 关联分析概述
² 基本方法
u Apriori算法
u FP-Growth算法
² 项目实战(解决目前流行的实际问题)
u 用Apriori进行关联分析的实例
u 使用FP-Growth算法提取频繁项集
第7章 网络爬虫
² 网络爬虫概述
u 网络爬虫原理
u 爬虫分类
² 网页抓取策略和方法
u 网页抓取策略
u 网页抓取的方法
² 项目实战
u 用Python抓取指定的网页
u 用Python抓取包含关键词的网页
u 下载贴吧中的图片
u 股票数据抓取
第8章 集成学习
² 集成学习概述
² 常用方法
u Bagging和随机森林
u Boosting和AdaBoost
² 项目实战
u 使用随机森林方法预测乘员的存活概率
u 使用AdaBoost方法进行二元分类
第9章 深度学习
² 深度学习概述
² 常用方法
u 监督学习的深度学习网络结构
u 非监督学习的深度学习网络结构
² 项目实战
u 使用TensorFlow框架进行MNIST数据集生成
u 使用Theano框架进行MNIST数字识别
第10章 数据降维及压缩
² 数据降维及压缩概述
u 数据降维
u 图像压缩
² 基本方法
u 主成分分析
u 奇异值分解
² 项目实战
u 主成分分析PCA实例
u 使用奇异值分解进行图像压缩
第11章 聚类分析
² 聚类分析概述
² K-means算法
u K-means算法与步骤
u K-means算法涉及的问题
u 实际聚类问题的处理流程
² 项目实战
u K-means算法实现二维数据聚类
u 使用Scikit-learn中的方法进行聚类分析
第12章 回归分析问题
² 回归分析概述
² 基本方法
u 一元回归分析
u 多元线性回归
u 回归的计算方法
u 逻辑回归分析
² 项目实战
u 身高与体重的回归分析
u 房价预测
u 产品销量与广告的多元回归分析
u 鸢尾花数据的逻辑回归分析