1、Pandas库的操作
Panda是数据分析特别重要的一个库,我们要掌握以下三点:
・ pandas 分组计算;
・ pandas 索引与多重索引;
索引比较难,但是却是非常重要的
・ pandas 多表操作与数据透视表
2、numpy数值计算
numpy数据计算主要应用是在数据挖掘,对于以后的机器学习,深度学习,这也是一个必须掌握的库,我们要掌握以下内容:
・ Numpy array理解;
・ 数组索引操作;
・ 数组计算;
・ Broadcasting(线性代数里面的知识)
3、数据可视化-matplotlib与seaborn
・ Matplotib语法
python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像,要搞清楚二者的关系是什么,这样学习起来才会比较轻松。
・ seaborn的使用
seaborn是一个非常漂亮的可视化工具。
・ pandas绘图功能
前面说过pandas是做数据分析的,但它也提供了一些绘图的API。
4、数据挖掘入门
这部分是最难也是最有意思的一部分,要掌握以下几个部分:
・ 机器学习的定义
在这里跟数据挖掘先不做区别
・ 代价函数的定义
・ Train/Test/Validate
・ Overfitting的定义与避免方法
5、数据挖掘算法
数据挖掘发展到现在,算法已经非常多,下面只需掌握最简单的,最核心的,最常用的算法:
・ 最小二乘算法;
・ 梯度下降;
・ 向量化;
・ 极大似然估计;
・ Logistic Regression;
・ Decision Tree;
・ RandomForesr;
・ XGBoost;
6、数据挖掘实战
通过机器学习里面最着名的库scikit-learn来进行模型的理解。
关注微信公众号获取更多VSCode编程信息,定时发布干货文章
全部评论