CDA数据科学研究院
CDA考试中心
CDA网校
企业服务
CDA社区
CDA竞赛
CDA技术答疑
CDA俱乐部
CDA论坛
关于CDA
App下载
登录
注册
登录
注册
首页
课程中心
数据科学
人工智能
学术量化
全部课程
>>>上线日志
>>>课程分类
公开课
直播课
就业课试听
国外公开课
行业公开课
数据圈子
CDA数字化能力提升计划
CDA考试专区
CDA会员专区
CDAS峰会
SQL答疑专区
会员专区
会员中心
会员课程
线下面授
CDA数据分析脱产就业班(试听)
CDA LEVEL | 数据分析周末班(试听)
CDA LEVEL || 商业分析周末班(试听)
CDA LEVEL ||| 机器学习周末班(试听)
全部班级课
CDA认证
CDA介绍
CDA大纲
CDA题库
CDA教材
CDA专访
CDA考试专区
CDA备考攻略
登录
注册
全部课程
数据科学
新职位
数据科学家
数据分析师
业务数据分析师
大数据工程师
机器学习工程师
商业数据分析师
微专业
案例微课
人力资源
工具安装
Excel基础
SQL数据库
R语言
Python
Python爬虫
Python自动化
统计学
业务分析
数据思维
可视化
BI 商业智能
数据运营
用户画像
互联网运营
Linux
Hadoop
Hive
ETL工具
PySpark
数学基础
数据挖掘/机器学习
空间地理数据处理
数据治理
数字化转型
区块链
金融商业数据分析
数据要素
新职位
微专业
人工智能
微专业
深度学习基础
NLP自然语言处理
CV计算机视觉
SR语音识别
TensorFlow
PyTorch
微专业
学术量化
学术
Python
金融
Stata
SSCI/SCI
DSGE
SPSS
DID专题
内生性
社会网络分析
量化投资
量化
量化投资分析师
学术
量化
公开课
行业公开课
新零售行业
医疗行业
数据中台
金融行业
汽车行业
电商行业
自动驾驶
国外公开课
公开课
CDAS峰会视频
CDA大咖汇
CDA体验课
CDA直播课
CDA大课试听
行业公开课
公开课
认证考试
CDA认证
CDA 认证考试模拟题
CDA 持证人专访
CDA 会员活动
CDA认证
首页
课程中心
数据科学
人工智能
学术量化
全部课程
>>>上线日志
>>>课程分类
公开课
直播课
就业课试听
国外公开课
行业公开课
数据圈子
CDA数字化能力提升计划
CDA考试专区
CDA会员专区
CDAS峰会
SQL答疑专区
会员专区
会员中心
会员课程
线下面授
CDA数据分析脱产就业班(试听)
CDA LEVEL | 数据分析周末班(试听)
CDA LEVEL || 商业分析周末班(试听)
CDA LEVEL ||| 机器学习周末班(试听)
全部班级课
CDA认证
CDA介绍
CDA大纲
CDA题库
CDA教材
CDA专访
CDA考试专区
CDA备考攻略
菊安酱的机器学习实战(体验课)
简介
分类
CDA体验课
课程标签:
数据分析
Python
机器学习
查看课程
任务列表
第1任务: 12期全部课件
第2任务: 数据集.zip
第3任务: 1 K近邻算法课件
第4任务: 1.1 机器学习概述
第5任务: 1.2 k-近邻算法原理
第任务: 1.1 K-近邻算法概述
第6任务: 1.2 K-近邻算法的Python实现
第7任务: 1.3 约会网站效果判定
第8任务: 1.4 K-近邻算法总结
第9任务: 2.决策树算法课件
第10任务: 2.1 决策树概述
第11任务: 2.2 决策树构建的准备工作:特征选择之香农熵
第12任务: 2.3 决策树数据预处理
第13任务: 2.4 编写代码构建决策树并进行可视化
第14任务: 3.朴素贝叶斯算法课件
第15任务: 3.1 朴素贝叶斯算法概述
第16任务: 3.2 朴素贝叶斯算法的种类
第17任务: 3.3 朴素贝叶斯在鸢尾花数据集上的实验
第18任务: 3.4 朴素贝叶斯进行文档分类:构建词向量
第19任务: 3.5 朴素贝叶斯进行文档分类:构建分类器训练函数并测试
第20任务: 3.6 朴素贝叶斯之拉普拉斯平滑
第21任务: 4.Logistic回归课件
第22任务: 4.1 Logistics回归概述
第23任务: 4.2 梯度下降法的详细算法
第24任务: 4.4 使用批量梯度下降法求解逻辑回归
第25任务: 4.5 使用逻辑回归预测病马的死亡率
第26任务: 5.支持向量机算法课件
第27任务: 5.1 支持向量机概述
第28任务: 5.2 线性SVM的超平面方程与间隔的计算
第29任务: 5.3 线性SVM的约束条件与优化问题的基本描述
第30任务: 5.4 最优化问题求解与拉格朗日函数
第31任务: 5.5 对偶问题求解与SMO算法概述
第32任务: 5.6 SMO算法流程与简化版SMO算法
第33任务: 6.Adaboost算法课件
第34任务: 6.1 集成学习与Adaboost算法简述
第35任务: 6.2 基于单层决策树构建弱分类器
第36任务: 6.3 完整版Adaboost算法实现
第37任务: 6.4 基于Adaboost的分类与在病马数据集上的应用
第38任务: 7.线性回归算法课件
第39任务: 7.1 线性回归概述
第40任务: 7.2 线性回归损失函数推导与简单线性回归的Python实现
第41任务: 7.3 局部加权线性回归
第42任务: 7.4 构建LWLR函数并绘制不同K值的图形
第43任务: 7.5 预测鲍鱼年龄案例
第44任务: 8.树回归算法课件
第45任务: 8.1 决策树回顾
第46任务: 8.2 回归CART树在Python中的实现
第47任务: 8.3 CART数寻找最佳且分列:构建辅助函数
第48任务: 8.4 CART树:寻找最佳切分列主函数与CART算法实现
第49任务: 8.5 使用Python的Tkinter创建GUI
第50任务: 9.K-均值聚类算法课件
第51任务: 9.1 K-均值算法概述
第52任务: 9.2 K-均值算法的Python实现
第53任务: 9.3 编写K-means聚类函数
第54任务: 9.4 编写K-Means聚类函数(二)
第55任务: 9.5 误差平方和和SSE计算
第56任务: 10.Apriori算法课件
第57任务: 10.1 关联分析概述
第58任务: 10.2 Apriori算法原理
第59任务: 10.3 生成候选项集
第60任务: 10.4 编写完整的Apriori算法
第61任务: 11.FP-Growth算法课件
第62任务: 11.1 FP-Growth算法简述
第63任务: 11.2 FP树表示方式与构建过程
第64任务: 11.3 构建FP树
第65任务: 11.4 FP树的Python实现
第66任务: 11.5 创建FP树(一)
第67任务: 11.6 创建FP树(二)
第68任务: 12.降维算法课件
第69任务: 12.1 降维算法概述与PCA的Python实现
第70任务: 12.2 编写PCA实现函数
第71任务: 12.3 PCA对半导体数据进行降维
第72任务: 12.4 奇异值分解SVD
学
习
中
心
TOP
技术支持
CDA人工智能社区
工作时间:9:00-19:00
陈老师:13077998983
邮箱:
edu_cda_cn@foxmail.com