Python数据挖掘与机器学习实战-选题.pdfVIP

Python 数据挖掘与机器学习实战—选题大纲（一组一章， 第一章除外 ） 1.1 、机器学习要解决的任务 1.2 、有监督与无监督问题 1.3 、线性回归算法原理推导 1.4 、Python 语言基础 第一章： Python 机器学习入 1.5 、Python 数据结构（列表 , 字典 , 元组） 1.6 、科学计算库 Numpy基础 学指南 1.7 、Numpy数组操作 1.8 、Numpy矩阵基本操作 1.9 、Numpy矩阵初始化与创建 1.10 、Numpy排序与索引 2.1 、Pandas 数据读取与现实 2.2 、Pandas 样本数值计算与排序 2.3 、Pandas 数据预处理与透视表 2.4 、Pandas 自定义函数 第二章：逻辑回归与数据分析 2.5 、Pandas 核心数据结构 Series 详解 2.6 、Pandas 数据索引 处理库 Pandas 2.7 、逻辑回归 -sigmoid 函数 2.8 、逻辑回归原理推导 2.9 、最优化问题 2.10 、实战梯度下降算法 案例实战： （自己定） 3.1 、数据与算法简介 3.2 、样本不平衡问题解决思路 3.3 、下采样解决方案 3.4 、正则化参数选择 3.5 、逻辑回归建模 3.6 、过采样与 SMOTE算法 第三章：案例实战 （自己定） 3.7 、Matplotlib 绘制第一个折线图 3.8 、Matplotlib 条形图 , 直方图 , 四分图绘制 3.9 、Matplotlib 数据可视化分析 4.1 、熵原理，信息增益 4.2 、决策树构造原理推导 4.3 、 ID3,C4.5 算法 4.4 、决策树剪枝策略 第四章：决策树与随机森林 4.5 、随机森林算法原理 4.6 、基于随机森林的特征重要性选择 案例实战： （自己定） 5.1 、泰坦尼克船员获救预测 （可自己定） 5.2 、使用 pandas 库进行数据读取与缺失值预处理 第五章： Kaggle 机器学习案 5.3 、使用 scikit-learn 库对比回归模型与随机森林模型 例实战 5.4 、GBDT构造原理 5.5 、特征的选择与重要性衡量指标 5.6 、机器学习中的级联模型 5.7 、使用级联模型再战泰坦尼克 6.1 、SVM 要解决的问题 6.2 、线性 SVM原理推导 6.3 、SVM 对偶问题与核变换 第六章：支持向量机算法 6.4 、soft 支持向量机问题 6.5 、多类别分类问题解决方案 案例实战： SVM中参数对结果的影响 （可自己定） 7.1