This website works better with JavaScript.
Explore
Help
Sign In
m67295043
/
pt5jvslni
Watch
1
Star
0
Fork
You've already forked pt5jvslni
0
Code
Issues
Pull Requests
Releases
Wiki
Activity
You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
master
master
Branches
Tags
${ item.name }
Create tag
${ searchTerm }
Create branch
${ searchTerm }
from 'master'
${ noResults }
pt5jvslni
/
SUMMARY.md
4.5 KiB
Raw
Permalink
Blame
History
Unescape
Escape
Summary
前言
第一章 绪论
1.1 大数据与数据挖掘
1.2 无处不在的数据挖掘
第二章 认识数据
2.1 数据与属性
2.2 数据的基本统计指标
2.3 数据可视化
第三章 数据预处理
3.1 为什么要数据预处理
3.2 数据预处理常用技巧---标准化
3.3 数据预处理常用技巧---归一化
3.4 数据预处理常用技巧---离散值编码
3.5 数据预处理常用技巧---生成多项式特征
3.6 数据预处理常用技巧---估算缺失值
第四章 使用k近邻算法检测红酒品质
4.1 问题的本质
4.2 k近邻算法原理
4.3 动手实现k近邻算法
4.4 检测红酒品质
第五章 使用线性回归算法预测房价
5.1 什么是回归
5.2 线性回归算法原理
5.3 动手实现线性回归
5.4 预测房价
第六章 使用决策树算法识别花朵
6.1 决策树的核心思想
6.2 决策树算法原理
6.3 决策树算法流程
6.4 动手实现决策树
6.5 识别花朵
第七章 使用k均值算法分割图像
7.1 什么是图像分割
7.2 k均值算法原理
7.3 图像分割
第八章 使用Apriori算法找出毒蘑菇的共性
8.1 关联规则与Apriori
8.2 Apriori算法原理
8.3 动手实现Apriori
8.4 实战案例
第九章 谷歌的网页推荐算法--PageRank
9.1 什么是PageRank
9.2 PageRank算法原理
9.3 动手实现PageRank
第十章 打造电影推荐系统
10.1 推荐系统概述
10.2 基于矩阵分解的协同过滤算法思想
10.3 基于矩阵分解的协同过滤算法原理
10.4 动手实现基于矩阵分解的协同过滤
10.5 实现电影推荐系统
第十一章 综合实战:森林火灾数据可视化
11.1 亚马逊雨林数据初窥
11.2 使用图表来探索亚马逊雨林
11.3 亚马逊雨林地图可视化
第十二章 综合实战:信用卡欺诈检测
12.1 了解数据
12.2 对匿名特征进行处理
12.3 解决样本不平衡问题
12.4 使用sklearn实现欺诈检测功能
12.5 验证算法性能
第十三章 综合实战
:
FIFA球员数据分析与推荐
13.1 初步分析数据
13.2 FIFA数据可视化
13.3 球员推荐