Python 数据科学
搭建工作环境
Jupyter Notebook 使用指南
一个轻量级、适合数据分析的编辑器
数据处理
介绍 Python 数据处理工具。主要由 NumPy 、Pandas 、Matplotlib 以及它们的扩展组成。
01-整体介绍与创建数组
介绍 NumPy 的核心对象数组以及如何创建它
02-数组变形与组合
介绍高维数组变形与组合的各种方法
03-数组索引与切片
介绍高维数组提供的各种索引与切片的方法
04-通用函数与广播规则
通用函数与广播规则是 NumPy 数组运算的核心
05-数组统计与排序
介绍关于统计与排序相关的数组操作函数
06-高级数据类型
介绍 NumPy 中的高级结构化数组等剩余内容
机器学习
线性回归
线性回归是统计学的基本内容，也是最容易理解的机器学习模型
逻辑回归
逻辑回归是处理简单分类问题的经典算法
朴素贝叶斯分类
朴素贝叶斯是一种基于概率统计的分类器
聚类算法
聚类可以主动将数据分类。KMeans 和 DBSCAN 是常见的聚类算法
系列包含的代码已作为 notebook 的形式发布到 Github 中
近期评论