V
主页
第一章(12):分支结构
发布人
麦金尼编写的《使用Python进行数据分析》是最经典的数据分析教材,本专栏主要应用视频讲解的方式,讲授本书核心思想,并提供本教材的所有代码和代码点评。
打开封面
下载高清视频
观看高清视频
视频下载器
第一章(13):循环(上)
第一章:(2).数量预测之随机森林
第一章:(3).回归模型和随机森林的对比
第一章(8):元组
第一章(10):集合
第一章(9):字符串
第一章:(1)数量预测之线性回归
第三章(2):不平衡数据简介
第一章(7):列表(下)
第六章(3):调参的理论
第一章(14):循环(下)
第二章:(2).分类预测案例
第一章(1):数据分析和数据挖掘介绍
第二章(10):三维图像的画法
第一章(11):字典
第二章:(1).分类变量的0-1编码
第五章(2):将数值型变量变为分类型变量
第三章(4):随机森林和SVC的ROC曲线
第七章(1):算法链Pipeline()
第一章(18):异常的处理,以及zip函数
第五章(7):特征工程处理时间序列
第三章(1):SVC基本原理简介
第三章(2):序列Series中的函数
第五章(3):将分类变量变为哑变量
第六章(1):数据合并函数append()
第二章(2):numpy模块初步介绍
第二章(5):二维数组的逻辑切片,二维数组拉直为一维数组
第一章(17):类
第二章(1):新模块的学习方法
第二章(4):二维array数组
第二章(7):Matplotlib中的两种基本画图方式
第二章(6):数组的合并,随机数的生成
第三章(5):dataframe中的列和行的赋值
第五章(3):分箱,提高线性模型的预测效果
第六章(4):调参的python实现
第六章(4):数据合并函数join()
2020年数学建模竞赛c题的数据整合
第一章(3):notebook环境的基本操作
第五章(1):特征工程简介
第七章(2):Pipeline()和GridSearchCV()配合使用