2021版Python数据挖掘算法在数据分析和机器学习的应用和实践视频教程

欢迎来到最激动人心的Python数据挖掘课程。我将向您展示我在职业生涯中目睹的最有影响力的算法，以得出有意义的见解。

在电子表格层出不穷的时代，如此多的数据容易让人感到不知所措。这就是数据挖掘技术的用武之地。快速分析，发现模式并为您提供结果。对我来说，数据挖掘的价值在于，您可以停止数字运算和数据透视表的创建，从而可以留出时间根据洞察力制定可行的计划。

现在，为什么要注册该课程？让我给你四个理由。

首先，您将学习模型的直觉，而不必过多地关注数学。了解模型为何有意义以及其背后的基本假设至关重要。我将使用单词，图表和隐喻向您解释每个模型，而数学和希腊字母则保持最低限度。

第二个原因是最有影响力的数据挖掘技术的全面课程结构。根据我的经验，该课程课程具有我认为最有影响力，最新且最受欢迎的算法。这是我们将要学习的算法列表：

• Supervised Learning
• Survival Analysis
• Cox Proportional Hazard Regression
• CHAID
• Unsupervised Learning
• Cluster Analysis – Gaussian Mixture Model
• Dimension Reduction – PCA and Manifold Learning
• Rule Learning Association
• · Explainable Artificial Intelligence
• Random Forest and Feature Importance
• LIME
• XGBoost and SHAP

第三个原因是我们逐行编码在一起。编程具有挑战性，对于初学者尤其如此。我将指导您遍历每个代码段。我还将逐步解释您需要使用的所有参数和功能。最后，您将准备好在问题中使用的代码模板。

最终的原因是您练习，练习，练习。在每个部分的末尾，都有一个挑战。目的是您立即应用所学知识。我为您提供了一个数据集和解决该问题所需采取的措施的清单。我认为这是在您中真正巩固所有技术的最佳方法。因此，每种技术将有2个案例研究。

MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English + srt | Duration: 137 lectures (8h 51m) | Size: 2.62 GB
9 Data Mining algorithms for Data Science, Machine Learning and Explainable Artificial Intelligence. 18 Case Studies

What you’ll learn:
Survival Analysis
Cox Proportional Hazard Regression
CHAID
Cluster Analysis – Gaussian Mixture Model
Rule Learning Association
Random Forest
LIME
SHAP
Data Mining
Principal Component Analysis
XGBoost
Manifold Learning

Requirements
Statistics – Linear and Logistic Regression
Basic Python