数据分析和机器学习实践作业指导书.docVIP

数据分析和机器学习实践作业指导书

TOC\o1-2\h\u17801第1章数据预处理 3

63181.1数据清洗 4

58591.1.1概述 4

103781.1.2缺失值处理 4

136161.1.3异常值处理 4

222991.1.4重复记录处理 4

132351.2数据整合 4

187101.2.1概述 4

288901.2.2数据合并 4

177811.2.3数据对齐 5

63631.2.4特征工程 5

195101.3数据转换 5

15211.3.1概述 5

20641.3.2数值化 5

132371.3.3归一化 5

68951.3.4标准化 5

26164第2章数据可视化 6

8232.1常用可视化工具介绍 6

273062.1.1Matplotlib 6

20672.1.2Seaborn 6

181782.1.3Plotly 6

198132.1.4ggplot 6

57862.2数据可视化技巧 6

297142.2.1数据清洗与预处理 6

14932.2.2选择合适的图表类型 6

45362.2.3调整图表样式和布局 6

111332.2.4注释和标注 7

253632.2.5交互式图表 7

138372.3可视化案例分析 7

30370第3章摸索性数据分析 7

215793.1数据描述性统计 7

146593.1.1基本统计量 7

153433.1.2数据可视化 8

237783.2数据分布分析 8

15623.2.1常见分布类型 8

44613.2.2数据分布假设检验 8

63813.3数据关联性分析 8

27383.3.1相关性分析 8

201023.3.2多元统计分析 9

25036第4章机器学习基础 9

197514.1机器学习概述 9

59544.1.1定义与发展 9

249184.1.2机器学习分类 9

253734.1.3机器学习应用领域 9

292354.2监督学习与无监督学习 9

108544.2.1监督学习 9

105894.2.2回归分析 10

281514.2.3分类分析 10

294654.2.4无监督学习 10

257394.2.5聚类分析 10

247334.2.6降维分析 10

169914.3评估指标与模型选择 10

14424.3.1评估指标 10

7524.3.2模型选择 10

296194.3.3调整模型参数 10

280564.3.4模型优化 11

18643第五章线性回归分析 11

51395.1线性回归原理 11

134235.1.1引言 11

169525.1.2基本概念 11

114445.1.3模型形式 11

205855.1.4求解方法 11

81305.2线性回归模型建立与优化 11

57615.2.1数据预处理 11

18785.2.2模型建立 11

274735.2.3模型优化 12

150695.3线性回归应用案例 12

155975.3.1房价预测 12

315075.3.2学绩预测 12

287475.3.3股票价格预测 12

19351第6章逻辑回归与分类问题 12

274036.1逻辑回归原理 12

46326.1.1逻辑函数 12

1016.1.2逻辑回归模型 13

286876.1.3逻辑回归模型的特点 13

6506.2逻辑回归模型建立与优化 13

130896.2.1模型建立 13

10156.2.2模型优化 13

229316.3逻辑回归应用案例 14

288196.3.1垃圾邮件分类 14

213806.3.2股票涨跌预测 14

93606.3.3信用评分 14

11969第7章决策树与随机森林 14

59817.1决策树原理 14

26737.1.1节点划分 14

90087.1.2选择最优特征 14

227647.1.3树的剪枝 15

302037.2随机森林原理 15

270007.2.1随机选取特征和样本 15