V
主页
第三章(6):算数运算和数据对齐
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
第三章(4):pandas的数据框的引用方式
第三章(2):不平衡数据简介
第三章(3):ROC曲线
第三章(3):pandas:数据框的定义
第三章(5)附录,不平衡数据credit的分析
第三章(4):随机森林和SVC的ROC曲线
第三章(7):pandas中的函数:sort_index,apply,map
第三章(5):dataframe中的列和行的赋值
第二章(2):numpy模块初步介绍
第七章(1):算法链Pipeline()
第五章(3):将分类变量变为哑变量
第一章:(1)数量预测之线性回归
第三章(1):SVC基本原理简介
第二章:(2).分类预测案例
第五章(5):用岭回归分析boston数据
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
第五章(2):将数值型变量变为分类型变量
第六章(4):数据合并函数join()
第二章(1):新模块的学习方法
第一章:(2).数量预测之随机森林
第一章(9):字符串
第六章(3):数据合并函数merge()
第六章(4):调参的python实现
第六章(2):数据合并函数concat()
第二章:(1).分类变量的0-1编码
第五章(1):数据框的样本的随机选取,样本子集的抽取
第二章(6):数组的合并,随机数的生成
第四章数据分析实战(上)
第五章(6):Boston数据分析结果的可视化
第七章(3):算法链的另一种表示make_pipeline()
第一章(15):列表推导式(字典推导式等)
第一章:(3).回归模型和随机森林的对比
第四章数据分析实战(下)
第一章(16):函数
第四章(3):替换replace
第六章(5):调参的可视化
第一章(12):分支结构
第一章(4):python的学习方法,我们用的教材
第四章(1):缺失值的处理