Python核心教程之数据挖掘和人工智能

Ipython与Numpy

1 . Ipython入门01 29:34

2 . Ipython入门02 32:48

3 . Ipython入门03 27:51

4 . Numpy04 18:01

5 . Numpy05 20:09

6 . Numpy06 29:04

7 . Numpy07 21:12

8 . Numpy08 23:14

9 . Numpy09 18:02

DataFrame与Series

1 . Numpy01 21:38

2 . Numpy02 25:22

3 . Series03 25:46

4 . Series04 31:13

5 . Dataframe05 26:27

6 . Dataframe06 21:32

7 . Dataframe07 19:23

8 . Dataframe08 18:26

pandas数据处理一

1 . Pandas-数据丢失01 18:07

2 . Pandas-数据丢失02 25:53

3 . Numpy傅里叶03 29:03

4 . Pandas-多层索引04 26:52

5 . Pandas-多层索引05 31:09

6 . Pandas-数据合并Concat与append06 21:16

7 . Pandas-数据合并Concat与append07 19:33

8 . Pandas-merge08 24:32

9 . Pandas-merge09 26:19

pandas数据处理二与案例分析

1 . Pandas数据处理01 11:20

2 . Pandas数据处理02 31:34

3 . Pandas数据处理03 32:04

4 . Pandas数据处理04 28:21

5 . 美国人口数据分析05 24:21

6 . 美国人口数据分析06 25:24

7 . 美国人口数据分析07 23:48

8 . 苹果股价分析08 12:33

9 . 苹果股价分析09 27:22

pandas绘图函数与scipy

1 . 美国选举政治献金01 21:36

2 . 美国选举政治献金02 21:53

3 . 美国选举政治献金03 29:52

4 . Scipy04 16:41

5 . Scipy05 20:54

6 . Scipy06 25:36

7 . Scipy07 25:04

8 . Scipy08 29:01

9 . pandas绘图函数09 16:23

10 . pandas绘图函数10 25:03

matplotlib一

1 . Matplotlib01 23:05

2 . Matplotlib02 21:43

3 . Matplotlib03 25:07

4 . Matplotlib04 24:05

5 . Matplotlib05 18:45

6 . Matplotlib06 20:05

7 . Matplotlib07 25:26

8 . Matplotlib08 28:44

9 . Matplotlib09 27:27

10 . Matplotlib10 28:38

matplotlib二与城市气候案例分析

1 . Matplotlib2-01 31:23

2 . Matplotlib2-02 31:35

3 . Matplotlib2-03 28:22

4 . Matplotlib2-04 22:38

5 . 城市气候与海洋关系05 14:48

6 . 城市气候与海洋关系06 22:44

7 . 城市气候与海洋关系07 29:14

8 . 城市气候与海洋关系08 24:19

9 . pandas数据加载与透视表09 26:35

10 . pandas数据加载与透视表10 25:51

机器学习之KNN

1 . Knn-2分类01 24:09

2 . Knn-2分类02 26:32

3 . Knn-2分类03 16:42

4 . Knn04 22:01

5 . Knn05 23:07

6 . Knn06 20:52

7 . 手写数字识别07 28:10

8 . 手写数字识别08 29:12

机器学习之线性回归

1 . 预测年收入knn01 21:40

2 . 预测年收入knn02 25:18

3 . 线性回归03 23:31

4 . 线性回归04 19:04

5 . 线性回归05 32:35

6 . 线性回归06 24:11

7 . 线性回归07 20:57

8 . 线性回归08 19:02

9 . 线性回归09 23:56

10 . 线性回归10 24:39

机器学习之逻辑斯蒂回归与人脸自动补全

1 . 逻辑斯蒂01 26:39

2 . 逻辑斯蒂02 19:56

3 . 逻辑斯蒂回归03 26:06

4 . 人脸自动补全04 26:29

5 . 人脸自动补全05 23:24

6 . 人脸自动补全06 19:55

机器学习之贝叶斯与决策树

1 . 决策树原理01 27:22

2 . 决策树原理02 28:12

3 . 决策树实例03 22:51

4 . 决策树实例04 31:01

5 . 贝叶斯原理05 19:53

6 . 贝叶斯原理06 30:30

7 . 贝叶斯实例07 24:42

8 . 贝叶斯实例08 26:39

机器学习之KMeans与支持向量机

1 . Svm-线性01 31:15

2 . Svm-线性02 24:43

3 . Svm-rbf03 31:29

4 . Svm-回归04 29:52

5 . Svm-多种核函数应用05 19:44

6 . Kmeans-自动分类make Blobs06 17:39

7 . Kmeans-自动分类make Blobs07 17:12

机器学习之KMeans图片压缩与人脸识别

1 . KMeans-足球和常见错误01 23:33

2 . KMeans-足球和常见错误02 20:21

3 . KMeans-足球和常见错误03 23:47

4 . KMeans-图片压缩04 30:37

5 . KMeans-图片压缩05 28:09

6 . KMeans-图片压缩06 22:38

7 . 人脸识别07 34:57

8 . 人脸识别08 31:46

9 . 人脸识别09 22:40

10 . 人脸识别10 15:59

机器学习之数据降维

1 . KMeans压缩图片01 18:29

2 . 汽车数据推荐度预测02 29:17

3 . 手迹识别的降维算法03 21:48

4 . 手迹识别的降维算法04 26:29

5 . 10种事物识别05 30:20

6 . 10种事物识别06 18:57

机器学习之TensorFlow

1 . TensorFlow基础操作01 24:37

2 . TensorFlow基础操作02 27:31

3 . TensorFlow入门03 26:39

4 . TensorFlow入门04 23:20

5 . TensorFlow线性回归05 23:05

6 . TensorFlow线性回归06 20:55