Python机器学习实验集锦(算法核心知识点实验分析)

机器学习算法实验分析

4.67 (9 reviews)
Udemy
platform
中文
language
Data Science
category
instructor
Python机器学习实验集锦(算法核心知识点实验分析)
150
students
13.5 hours
content
Jan 2020
last update
$49.99
regular price

What you will learn

机器学习核心知识点实验分析

sklearn工具包核心函数实战

机器学习算法参数效果对比分析

机器学习模型效果可视化展示

机器学习模型融合策略对比

线性回归,逻辑回归,决策树,集成算法,支持向量机等算法实验分析对比

机器学习建模常用套路

算法决策边界可视化展示

Description

Python机器学习实验集锦(算法核心知识点实验分析)课程旨在帮助同学们通过实验的方式掌握机器学习核心知识点,以sklearn为核心工具包进行实验分析,对比不同参数,策略对结果的影响。课程风格通俗易懂,全程实战,通过对结果可视化展示,讲解每一个复杂的知识点。

Content

机器学习模型评估方法

klearn工具包简介
数据集切分
交叉验证的作用
交叉验证实验分析
混淆矩阵
评估指标对比分析
阈值对结果的影响
ROC曲线
课程数据代码下载(谷歌网盘)

线性回归实验分析

实验目标分析
参数直接求解方法
预处理对结果的影响
梯度下降模块
学习率对结果的影响
随机梯度下降得到的效果
MiniBatch方法
不同策略效果对比
多项式回归
模型复杂度
样本数量对结果的影响
正则化的作用
岭回归与lasso
实验总结

逻辑回归实验分析

逻辑回归实验概述
概率结果随特征数值的变化
可视化展示
坐标棋盘制作
分类决策边界展示分析
多分类-softmax

聚类算法实验分析

Kmenas算法常用操作
聚类结果展示
建模流程解读
不稳定结果
评估指标-Inertia
如何找到合适的K值
轮廓系数的作用
Kmenas算法存在的问题
应用实例-图像分割
应用实例-图像分割
DBSCAN算法

决策树实验分析

树模型可视化展示
决策边界展示分析
树模型预剪枝参数作用
回归树模型

集成算法实验分析

构建实验数据集
硬投票与软投票效果对比
Bagging策略效果
集成效果展示分析
OOB袋外数据的作用
特征重要性热度图展示
Adaboost算法概述
Adaboost决策边界效果
GBDT提升算法流程
集成参数对比分析
模型提前停止策略
停止方案实施
堆叠模型

支持向量机实验分析

支持向量机所能带来的效果
决策边界可视化展示
软间隔的作用
非线性SVM
核函数的作用与效果

关联规则实战分析

关联规则概述
支持度与置信度
提升度的作用
Python实战关联规则
数据集制作
电影数据集题材关联分析

探索性分析-爱彼迎数据集分析与建模

数据与任务分析
提取月份信息进行统计分析
房价随星期变化的可视化展示
房屋信息指标分析
提取房屋常见设施
房屋规格热度图分析
预处理与建模准备
随机森林与LightGBM
训练与评估

图像特征聚类分析实践

数据与任务流程分析
图片数据导入
图像特征编码
数组保存与读取
得出聚类结果
聚类效果可视化展示

Charts

Price

Python机器学习实验集锦(算法核心知识点实验分析) - Price chart

Rating

Python机器学习实验集锦(算法核心知识点实验分析) - Ratings chart

Enrollment distribution

Python机器学习实验集锦(算法核心知识点实验分析) - Distribution chart
2465602
udemy ID
7/18/2019
course created date
11/22/2019
course indexed date
Bot
course submited by