Data-前言-01 介绍与目录(持续更新)
文章目录
Data-前言-01 介绍与目录
A data scientist is someone who knows more statics than a computer scientist and more Computer science than a statistician." --Josh Blumenstock
1. 介绍
- 机器学习、数据挖掘、统计学习方法、自然语言处理、深度学习、数据分析、可视化...
- 这些好多的内容,相互穿插、相互交织,有时学起来让人显得无从下手,可能看完了一门精品课程,看完了一本经典教材,然后还是觉得有所不足(或许一开始看懂了,后来学了门新课又开始糊涂了)。
- 为了自己知识的扎实,所以用这个系列开始来补足知识的不足。
2. 主要参考
-
书籍:
- 《数据挖掘导论》
- 《统计学习方法(第2版)》
- 《机器学习》
- 《数学之美》
- 《Python 网络爬虫从入门到实践》
-
课程:
3. 系列目录(持续更新)
【前言】
| 题目 | 简介 |
|---|---|
| 介绍与目录 | 整个系列的简介、参考和目录 |
| 环境与配置 | 整个系列编码内容的配置,anaconda的使用 |
【基础】
- 介绍一些基础的内容,包括一些概念和数学基础
| 题目 | 简介 |
|---|---|
| 它们的关系? | 对人工智能、数据挖掘、机器学习等概念关系的个人理解 |
| 数据 Data | 介绍了数据、数据集的属性、质量、预处理、相似性等基本概念 |
| 模型 Mode | 介绍了模型的含义、类别、评估选择方法(评估方法、评估指标、损失函数等) |
| 学习 Learn | 介绍了学习的含义、类别、要素、发展 |
| 参数估计 | 介绍了统计推断中的参数估计方法,主要包括最大似然估计、最大后验估计等 |
【任务】
- 从任务的角度出发,介绍机器学习方面的各种任务。
| 任务 | 简介 |
|---|---|
| 分类 Classification | 介绍了分类任务的定义、评估指标和方法 |
【爬虫】
- 有关网络爬虫的信息和实践
| 题目 | 简介 |
|---|---|
| 爬虫简介 | 对网络爬虫概念、相关工具、相关法律知识(robots.txt)的介绍 |
| 第一个网络爬虫 | 使用Requests库和bs4库,抓取了一个html网页信息 |
| 静态网页抓取 | 通过Requests库和bs4库,抓取、解析了豆瓣top250书籍信息 |
| 动态网页抓取 | 通过解析真实网页地址和selenium模拟浏览器两种方式,解析了JSON信息 |
| 反爬虫问题 | 介绍了常见的反爬虫和反反爬虫知识和方法 |
【可视化】
| 题目 | 简介 |
|---|---|
| 可视化简介 | 介绍可视化、数据可视化概念,一些相关工具和python库 |
| matplotlib基本操作 | 使用matplotlib库,完成基本操作(标题、坐标轴、标注、公式、子图、风格等) |
| matplotlib基本图表 | 使用matplotlib库,绘制了柱状图、条状图、饼图、直方图和散点图 |
| graphviz树状图 | 使用graphviz库,绘制了树状图、流程图等 |
【方法】
- 这里的实战主要是基础的实现,帮助理解原理,尽量不调用已有的库。
| 理论 | 实战 | 实现 |
|---|---|---|
| 规则学习 | 对西瓜2.0数据集的规则学习 | 规则学习方法 |
| k近邻法 | 对iris数据集的KNN分类 | k近邻法(线性扫描与kd树) |
| 决策树 | 对iris数据集的决策树分类 | 决策树方法(ID3, C4.5) |
| 贝叶斯学习 | 对西瓜2.0数据集的朴素贝叶斯 | 朴素贝叶斯分类器 |
| [感知机]() |
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论