Python数据阐发与机器进修教与学（32、48、64学时教学纲领+视频+课件+源代码+习题谜底）

课程教学纲领

1

课程根本信息

课程名称

Python数据阐发与机器进修

学 分

2、3、4

课 时

32、48、64

2

课程目标

本课程摘用理论与理论相连系的教学体例，通过进修Python语法根底、numpy数据处置、matplotlib数据可视化手艺、Pandas数据预处置与阐发手艺、sklearn机器进修等内容，培育提拔学生数据处置的才能，掌握机器进修的根本流程，并可以操纵机器进修的办法发掘数据中的有用价值，使学生更好地适应大数据和人工智能时代的工做与进修。

3

教材

杨韶华，Python数据阐发与机器进修，清华大学出书社，2023年1月

4

课程内容

1. Python语言与开发情况概述（2课时）

展开全文

（1）Python语言的特征、下载与安拆、交互与文件两种利用体例。（1课时）

（2）代码的风气、模块的概念及其导进体例、搀扶帮助的利用、Anaconda情况的安拆与利用（1课时）

2. Python语言根底（8课时）

（1）掌握台的输进与输出、标识符、变量、赋值语句（1课时）

（2）常用数据类型、运算符、表达式（1课时）

（3）分收构造（2课时）

（4）轮回构造（1课时）

（5）常用组合类型（列表、元组、字符串、字典、聚集）（2课时）

（6）推导式、用于组合类型的常用内置函数、正则表达式（1课时）

3. 函数（5课时）

（1）函数的定义、挪用、函数的返回值、位置参数与关键参数（2课时）

（2）默认参数、个数可变的参数、参数与返回值类型注解（2课时）

（3）lambda表达式、函数式编程的常用类与函数（1课时）

4. 自定义类与对象（3课时）

（1）Python中的对象与办法、类的定义与对象的创建（1课时）

（2）类的继续（2课时）

5. numpy数据处置根底（6课时）

（1）numpy数据构造、数据的预备、数组的索引与切片（2课时）

（2）改动数组的外形、对角线上元素的替代、插进维度、数组的根本运算、数组的排序、数组的组合、数组的朋分（2课时）

（3）随机打乱数组中的元素挨次、多维数组的展开、其他适用于数组的函数与对象、操纵numpy停止统计阐发、数组在其他文件中的存取（2课时）

6．matplotlib数据可视化根底（6课时）

（1）绘造根本图形、绘造多轴图（2课时）

（2）坐标轴的刻度标签、主次刻度、网格设置、挪动坐标轴、文字阐明和正文、展现图片、日期做为横坐标（2课时）

（3）绘造横线与竖线、绘造其他二维图表、绘造三维图表（2课时）

7．Pandas数据处置与阐发（6课时）

（1）数据构造与根本操做、文件与数据库中存取DataFrame对象（2课时）

（2）常用函数与办法（1课时）

（3）DataFrame数据清洗与处置、时间处置（2课时）

（4）挪动数据与时间索引、统计阐发、Pandas中的绘图办法（1课时）

8．机器进修办法概述与数据加载（5课时）

（1）机器进修概述、sklearn简介与安拆（1课时）

（2）加载数据、划分操练集与测试集（2课时）

（3）sklearn中机器进修的根本步调示例、sklearn编程接口风气（2课时）

9．数据预处置（3课时）

（1）特征的离散化（1课时）

（3）特征值的原则化、特征值的鲁棒缩放、无序分类数据的热编码、有序分类数据的编码、每个样本特征值的正则化（1课时）

10．模子评估与轨道（4课时）

（1）泛华、过拟合、欠拟合的概念；模子评估目标（2课时）

（2）穿插验证（1课时）

（3）轨道的创建与利用（1课时）

11．有监视进修之分类与回回（6课时）

（1）分类与回回概述、线性回回（2课时）

（2）逻辑回回与岭回回实现线性分类、撑持向量机用于分类和回回（2课时）

（3）纯朴贝叶斯分类、决策树用于分类和回回（2课时）

12．集成进修（4课时）

（1）投票法集成、bagging/pasting集成（2课时）

（2）提拔法集成、堆叠法集成（2课时）

13．无监视进修之聚类与降维（4课时）

（1）用k-均值基于类似性聚类、条理聚类、基于密度的聚类（2课时）

（2）聚类性能评估、无监视的降维（2课时）

14．超参数调优与模子抉择（4课时）

（1）基于轮回语句的网格搜刮、划分验证集制止过拟合、带穿插验证的网格搜刮、带穿插验证的随机搜刮（2课时）

（2）搜刮多个差别特征的空间、对轨道中的超参数停止搜刮、搜刮算法和超参数（2课时）

5

差别学分的课时与教学内容安放定见

参考册本

《Python数据阐发与机器进修（微课视频版）》

做者：杨韶华

订价：110.00元

扫码优惠购书

内容简介

本书起首简要介绍Python语言的根底常识，为后续内容的进修供给根底，接着介绍NumPy、Matplotlib和Pandas三个数据阐发根底模块的用法，同时也为后面基于scikit-learn的机器进修供给根底，最初介绍基于scikit-learn机器进修及其模子的评判办法、超参数调优办法。全书通过大量案例，期看能让读者快速进步理论才能。

本书适协做为高校本科生或研究生数据阐发、机器进修等相关课程的教材或参考书，也可做为数据阐发和机器进修喜好者的自学教程，还能够做为相关科研工做者与工程理论者的参考书。

目次

向上滑动阅览

第1章 Python语言与开发情况概述

1．1 Python语言的特征

1．2 Python的下载与安拆

1．3 起头利用Python

1．4 模块与库

1．5 利用搀扶帮助

1．6 Anaconda简介

习题1

第2章 Python语言根底

2．1 掌握台的输进与输出

2．2 标识符、变量与赋值语句

2．3 常用数据类型

2．4 运算符与表达式

2．5 分收构造

2．6 轮回构造

2．7 常用组合类型

2．8 正则表达式

习题2

第3章 函数

3．1 函数的定义

3．2 函数的挪用

3．3 形参与实参

3．4 函数的返回

3．5 位置参数与关键参数

3．6 默认参数

3．7 个数可变的参数

3．8 参数与返回值类型注解

3．9 lambda表达式

3．10 函数式编程的常用类与函数

习题3

第4章 自定义类与对象

4．1 Python中的对象与办法

4．2 类的定义与对象的创建

4．3 类的继续

习题4

第5章 NumPy数据处置根底

5．1 数据构造

5．2 数据预备

5．3 常用数组运算与函数

5．4 利用NumPy停止简单统计阐发

5．5 数组在其他文件中的存取

习题5

第6章 Matplotlib数据可视化根底

6．1 绘造根本图形

6．2 绘造多轴图

6．3 坐标轴的刻度标签

6．4 坐标轴的主次刻度、网格设置

6．5 挪动坐标轴

6．6 文字阐明和正文

6．7 展现图片

6．8 日期做为横坐标

6．9 绘造横线与竖线做为辅助线

6．10 绘造其他二维图表

6．11 绘造三维图表

习题6

第7章 Pandas数据处置与阐发

7．1 数据构造与根本操做

7．2 文件与数据库中存取DataFrame对象

7．3 常用函数与办法

7．4 DataFrame对象的数据清洗与处置

7．5 时间处置

7．6 挪动数据与时间索引

7．7 统计阐发

7．8 Pandas中的绘图办法

习题7

第8章 机器进修办法概述与数据加载

8．1 机器进修概述

8．2 scikitlearn的简介与安拆

8．3 加载数据

8．4 划分数据别离用于操练和测试

8．5 scikitlearn中机器进修的根本步调示例

8．6 scikitlearn编程接口的风气

习题8

第9章 数据预处置

9．1 特征的离散化

9．3 特征值的MinMax缩放

9．4 特征值的原则化

9．5 特征值的稳重缩放

9．6 无序分类数据的热编码

9．7 有序分类数据编码

9．8 每个样本特征值的正则化

习题9

第10章 模子评估与轨道

10．1 模子评估的根本办法

10．2 轨道的创建与利用

习题10

第11章 有监视进修之分类与回回

11．1 分类与回回概述

11．2 线性回回

11．3 逻辑回回与岭回回实现线性分类

11．4 撑持向量机用于分类和回回

11．5 纯朴贝叶斯分类

11．6 决策树用于分类和回回

习题11

第12章 集成进修

12．1 投票法集成

12．2 bagging/pasting法集成

12．3 提拔法集成

12．4 堆叠法集成

习题12

第13章 无监视进修之聚类与降维

13．1 用k-均值算法基于类似性聚类

13．2 条理聚类

13．3 基于密度的聚类

13．4 聚类性能的评估

13．5 无监视的降维

习题13

第14章 超参数调优与模子抉择

14．1 搜刮超参数来抉择模子

14．2 对轨道中的超参数停止搜刮

14．3 搜刮算法和超参数

习题14

参考文献

在公家号书圈后台回复【9787302611516】，下载本书配套的教学资本