2022-08-20
分类:大数据
阅读(4424)
第一课:操作TSV文件
第二课:pandas统计操作csv文件
第一课:从电影网站的API获取数据
第二课: 从网站上爬取网页,并解析存入pandas
第三课: 探索偏差 - 方差权衡
第四课: K-最近的邻居和scikit-learn
第五课: KNN算法分析NBA球员数据
第六课: 模型评估
第一课: 线性回归分析bikes数据
第二课 : 用Yelp投票线性回归作业
第三课:指数函数和对数
第四课: Logistic回归
第五课: 与泰坦尼克号数据进行逻辑回归练习
第一课、高级模型评估
第二课、交叉验证参数调整,模型选择和特征选择
第三课、 初识朴素贝叶斯分类
第四课、朴素贝叶斯分类处理文本文件
第五课、 比较多项式和高斯朴素贝叶斯
第六课、自然语言处理(NLP)
第七课、用自行车数据进行练习
第八课、决策树
第九课、集合
第十课、高级scikit-learn
第十一课、集群
第十二课、正则化线性模型
打赏
微信扫一扫,打赏作者吧~
觉得文章有用就打赏一下文章作者
非常感谢你的打赏,我们将继续给力更多优质内容,让我们一起创建更加美好的网络世界!
支付宝扫一扫打赏
微信扫一扫打赏
error: Sorry,暂时内容不可复制!