機器學習：數據挖掘分析

課程特點

數據挖掘技術是應用統計的專業課程，本課程以數據挖掘為主要內容，講述實現數據挖掘的各主要功能、挖掘算法和應用，并通過對實際數據的分析更加深入地理解常用的數據挖掘模型。掌握數據挖掘軟件的使用，培養數據分析和處理的能力。

通過學習當前的最新數據分析軟件應用技術、通過數據分析軟件學習，貼近工作實戰分析需求，滿足日常的工作分析需求、掌握數據分析的方法論和項目實踐。

通過學習本課程，可掌握技能

1、 學會搭建數據分析開發環境；

2、 了解NumPy 庫的基本用法；

3、 熟練掌握Pandas 庫的基本操作；

4、 了解和掌握數據處理常用操作；

5、 掌握matplotlib等可視化庫的用法；

6、 掌握數據清洗和整理的數據分析的基本方法；

7、 掌握使用Python 進行簡單統計分析；

8、 使用scikit-learn 庫進行機器學習

教學方法

理論講解+案例分析+視頻分享+課堂練習+實戰演練+小組研討+互動答疑

課程大綱

第一章Python數據分析簡介

1. 數據分析流程簡介

2. 本機環境配置

3. 線上環境配置

4. Jupyter Notebook啟動及使用

5. Python 環境介紹

第二章Numpy數據格式與數據分析

1. 多維數組

2. 索引與切片

3. 數組的運算

4. 數組的存取

第三章pandas數據格式與數據分析

1. 基本數據結構

2. 基本操作

3. 運算

4. 層次化索引

5. 可視化

第四章 數據讀取與存儲

1. CSV 文件

2. txt 文件

3. JSON 文件

4. Excel 文件

第五章 數據清洗與整理

1. 數據清洗

2. 數據合并

3. 數據重排

第六章 數據分組與聚合

1. 分組

2. 聚合

3. 分組運算

4. 數據透視表

第七章 數據可視化

1. 線形圖

2. 柱狀圖

3. 其它基本圖表

4. 自定義設置

第八章 數據統計分析基礎

1. 統計量

2. 統計分布

3. 統計推斷

4. 相關性分析

第九章 機器學習方法

1. 機器學習方法簡介

2. 數據分類

3. 數據邏輯回歸擬合

4. 聚類

機器學習實戰案例

1、 泰坦尼克數據探索

2、 估算Boston 房屋價格

3、 手寫數字識別