Data-前言-01 介绍与目录(持续更新)

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

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

暂无评论