Python3数据分析与挖掘建模实战
基于Python3，全程以真实案例驱动，带你科学系统的转行数据分析与挖掘建模领域
数据剖析与开掘工作火爆，人才稀缺。本课程根据Python3全程以真实案例驱动，带你学习数据剖析与开掘建模领域的科学思想、必会常识、常用工具、无缺流程以及教师多年的经历技巧。助你逆袭成为数据掘金时代的抢手人才!
合适人群及技术储备要求
合适有数学基础，想从事数据剖析，却不知如何入门的同学，也合适刚入门数据剖析，想提升数据剖析思路，解决
工作中不同种类特征的处理难题的初学者，完成本课程的学习，不仅有助于数据剖析与发掘类的面试、考试（如
CDA等），更会提升你对数据剖析内在的认知，一起，对大规模数据怎样处理，也会有新的思路
学前必备技术：
数学基础知识，Python基础知识
[wm_notice]试看链接：https://pan.baidu.com/s/1oa2Pm5gKU093X7SLqGeHww
提取码：o8h7
–来自百度网盘超级会员V1的分享[/wm_notice]
章节目录：
-
第1章 课程介绍【赠送相关电子书+随堂代码】 试看3 节 | 20分钟
本章首要介绍本课程是什么，有什么特色，能学习到什么，内容怎么安排，需要什么根底，是否合适学习这门课程等。然后对数据剖析进行概述，让咱们对数据剖析的含义和效果有一个全体的认知，让咱们对自己接下来要做的作业，有一个根本的概念与了解。…
- 图文：1-1 课前必读（不看会错过一个亿）
- 视频：1-2 课程导学 (07:36)试看
- 视频：1-3 数据剖析概述 (11:25)
-
第2章 数据获取4 节 | 18分钟
数据从哪里来？怎么来？这一章，咱们会介绍数据获取的一般手段。首要包括数据仓库、抓取、资料填写、日志、埋点、核算等手段。一起，咱们也会介绍几个常用的数据网站，供咱们参阅与学习。
- 视频：2-1 数据仓库 (05:06)
- 视频：2-2 监测与抓取 (02:53)
- 视频：2-3 填写、埋点、日志、核算 (02:25)
- 视频：2-4 数据学习网站 (07:01)
-
第3章 单因子探究剖析与数据可视化27 节 | 124分钟
有了数据，怎么上手？这一章，咱们会介绍探究剖析的一部分—单因子探究剖析和可视化的内容。咱们会以根底的计算理论知识为切入点，学习异常值剖析、比照剖析、结构剖析、散布剖析。一起，引入接下来几章都会用到的案例-HR人力资源剖析表，并用理论与可视化的办法，结束对此表的初步剖析。…
- 视频：3-1 数据案例介绍 (04:27)
- 视频：3-2 集中趋势,离中趋势 (05:58)
- 视频：3-3 数据散布–偏态与峰度 (03:54)
- 视频：3-4 抽样理论 (06:06)
- 视频：3-5 编码完成（基于python2.7） (12:51)
- 视频：3-6 数据分类 (02:37)
- 视频：3-7 异常值剖析 (03:33)
- 视频：3-8 比照剖析 (05:38)
- 视频：3-9 结构剖析 (01:39)
- 视频：3-10 散布剖析 (05:59)
- 视频：3-11 Satisfaction Level的剖析 (09:32)
- 视频：3-12 LastEvaluation的剖析 (07:39)
- 视频：3-13 NumberProject的剖析 (03:42)
- 视频：3-14 AverageMonthlyHours的剖析 (05:40)
- 视频：3-15 TimeSpendCompany的剖析 (00:51)
- 视频：3-16 WorkAccident的剖析 (00:49)
- 视频：3-17 Left的剖析 (00:23)
- 视频：3-18 PromotionLast5Years的剖析 (00:30)
- 视频：3-19 Salary的剖析 (01:37)
- 视频：3-20 Department的剖析 (01:16)
- 视频：3-21 简略比照剖析操作 (07:08)
- 视频：3-22 可视化-柱状图 (15:42)
- 视频：3-23 可视化-直方图 (04:27)
- 视频：3-24 可视化-箱线图 (02:21)
- 视频：3-25 可视化-折线图 (02:21)
- 视频：3-26 可视化-饼图 (03:09)
- 视频：3-27 本章小结 (03:38)
-
第4章 多因子探究剖析12 节 | 100分钟
上了手，然后呢？这一章，咱们介绍探究剖析的另一部分—多因子复合探究剖析。咱们同样以根底的计算知识为切入点，学习多因子间互相影响与合作的剖析办法，如穿插剖析、分组剖析、相关剖析、成分剖析等。一起，以HR人力资源剖析表为例，进行进一步的探究。…
- 视频：4-1 假设查验 (08:05)
- 视频：4-2 卡方查验 (02:21)
- 视频：4-3 方差查验 (03:43)
- 视频：4-4 相关系数 (03:33)
- 视频：4-5 线性回归 (02:48)
- 视频：4-6 主成分剖析 (05:20)
- 视频：4-7 编码完成 (19:21)
- 视频：4-8 穿插剖析办法与完成 (13:48)
- 视频：4-9 分组剖析办法与完成 (08:45)
- 视频：4-10 相关剖析与完成 (22:42)
- 视频：4-11 因子剖析与完成 (06:42)
- 视频：4-12 本章小结 (02:02)
-
第5章 预处理理论15 节 | 122分钟
数据已了解，用起来！不着急，先加工。这一章，咱们会介绍特征工程的首要内容，重点会介绍数据清洗和数据特征预处理的首要内容，包括数据清洗、特征获取、特征处理（内含对指化、归一化、标准化等）、特征降维、特征衍生。预处理的好坏，直接影响着接下来模型的效果。…
- 视频：5-1 特征工程概述 (09:59)
- 视频：5-2 数据样本收集 (02:42)
- 视频：5-3 异常值处理 (12:45)
- 视频：5-4 标示 (02:58)
- 视频：5-5 特征挑选 (17:18)
- 视频：5-6 特征改换-对指化 (04:23)
- 视频：5-7 特征改换-离散化 (07:13)
- 视频：5-8 特征改换-归一化与标准化 (07:06)
- 视频：5-9 特征改换-数值化 (10:09)
- 视频：5-10 特征改换-正规化 (04:49)
- 视频：5-11 特征降维-LDA (11:32)
- 视频：5-12 特征衍生 (03:04)
- 视频：5-13 HR表的特征预处理-1 (15:29)
- 视频：5-14 HR表的特征预处理-2 (08:35)
- 视频：5-15 本章小结 (02:53)
-
第6章 发掘建模 试看22 节 | 298分钟
把数据用起来！这一章，咱们会介绍数据发掘与建模的首要内容。首要包括五类模型的建立与实践，分别为：分类模型（KNN、朴素贝叶斯、决议计划树、SVM、集成办法、GBDT……），回归模型与回归思维分类（线性回归、逻辑斯特回归【也叫罗吉回归，逻辑回归。音译区别】、神经网络、回归树），聚类模型（K-means、DBSCAN、层次聚类、…
- 视频：6-1 机器学习与数据建模 (05:17)
- 视频：6-2 练习集、验证集、测验集 (07:02)
- 视频：6-3 分类-KNN (21:43)试看
- 视频：6-4 分类-朴素贝叶斯 (19:57)试看
- 视频：6-5 分类-决议计划树 (23:42)
- 视频：6-6 分类-支撑向量机 (20:41)
- 视频：6-7 分类-集成-随机森林 (19:24)
- 视频：6-8 分类-集成-Adaboost (10:47)
- 视频：6-9 回归-线性回归 (23:36)
- 视频：6-10 回归-分类-逻辑回归 (11:12)
- 视频：6-11 回归-分类-人工神经网络-1 (16:26)
- 视频：6-12 回归-分类-人工神经网络-2 (15:47)
- 视频：6-13 回归-回归树与提升树 (09:59)
- 视频：6-14 聚类-Kmeans-1 (10:37)
- 视频：6-15 聚类-Kmeans-2 (10:54)
- 视频：6-16 聚类-DBSCAN (10:33)
- 视频：6-17 聚类-层次聚类 (04:40)
- 视频：6-18 聚类-图割裂 (03:54)
- 视频：6-19 相关-相关规矩-1 (13:56)
- 视频：6-20 相关-相关规矩-2 (13:39)
- 视频：6-21 半监督-标签传播算法 (17:18)
- 视频：6-22 本章小结 (05:50)
-
第7章 模型评价4 节 | 43分钟
哪个模型好？上一章，咱们学习了很多模型，一个数据集，可能用多种模型都可以进行建模，那么哪种模型好，就需要有些指标化的东西帮咱们决议计划。这一章，咱们会介绍运用混淆矩阵和相应的指标、ROC曲线与AUC值来评价分类模型；用MAE、MSE、R2来评价回归模型；用RMS、概括系数来评价聚类模型。…
- 视频：7-1 分类评价-混淆矩阵 (14:51)
- 视频：7-2 分类评价-ROC、AUC、提升图与KS图 (15:12)
- 视频：7-3 回归评价 (05:02)
- 视频：7-4 非监督评价 (07:49)
-
第8章 总结与展望2 节 | 13分钟
这一章，咱们将回忆本课程的全部内容，并从多个角度，重新看待咱们的数据剖析作业。最后，咱们会了解到，学习了这门课程以后，还可以在哪些方面进行开展。
- 视频：8-1 课程回忆与多角度看数据剖析 (05:22)
- 视频：8-2 大数据与学习这门课后还能干什么？.mp4 (07:12)
