        Python數(shù)據(jù)挖掘和分析培訓(xùn)

 

 

 

Python基礎(chǔ)和數(shù)據(jù)科學(xué)基礎(chǔ)

1. Python語(yǔ)言和開發(fā)環(huán)境簡(jiǎn)介

2. 數(shù)據(jù)科學(xué)概述

3. 數(shù)據(jù)分析流程和步驟

4. 數(shù)據(jù)獲取路徑

5. 法律法規(guī)

6. Python語(yǔ)言和數(shù)據(jù)科學(xué)

7. 理解基本的字符串函數(shù)

8. 選擇合適的數(shù)據(jù)結(jié)構(gòu)

9. 通過列表推導(dǎo)式理解列表

10. 使用計(jì)數(shù)器，使用文件和網(wǎng)絡(luò)

11. 使用正則表達(dá)式實(shí)現(xiàn)模式匹配

12. globbing文件名與其他字符串

13. Pickling和Unpickling數(shù)據(jù)

14. 文本數(shù)據(jù)的處理

15. 數(shù)據(jù)庫(kù)數(shù)據(jù)的處理

16. 通用函數(shù)和各類聚合函數(shù)

Python數(shù)據(jù)分析基礎(chǔ)

1. 搭建Python開發(fā)平臺(tái)

2. 所要考慮的問題

3. 基礎(chǔ)平臺(tái)的搭建

4. Python使用入門

5. 運(yùn)行方式

6. 基本命令

7. 數(shù)據(jù)結(jié)構(gòu)

8. 庫(kù)的導(dǎo)入與添加

9. Python數(shù)據(jù)分析工具

10. ?Numpy

11. ?Scipy

12. ?Matplotlib

13. ?Pandas

14. ?StatsModels

15. ?Scikit-Learn

16. ?Keras

17. ?Gensim

數(shù)據(jù)探索

1. 數(shù)據(jù)質(zhì)量分析

2. 缺失值分析

3. 異常值分析

4. 一致性分析

5. 數(shù)據(jù)特征分析

6. 分布分析

7. 對(duì)比分析

8. 統(tǒng)計(jì)量分析

9. 周期性分析

10. 貢獻(xiàn)度分析

11. 相關(guān)性分析

12. Python主要數(shù)據(jù)探索函數(shù)

13. 基本統(tǒng)計(jì)特征函數(shù)

14. 拓展統(tǒng)計(jì)特征函數(shù)

15. 統(tǒng)計(jì)作圖函數(shù)

數(shù)據(jù)預(yù)處理

1. 數(shù)據(jù)清洗60

2. 缺失值處理60

3. 異常值處理64

4. 數(shù)據(jù)集成64

5. 實(shí)體識(shí)別64

6. 冗余屬性識(shí)別65

7. 數(shù)據(jù)變換65

8. 簡(jiǎn)單函數(shù)變換65

9. 規(guī)范化66

10. 連續(xù)屬性離散化68

11. 屬性構(gòu)造70

12. 小波變換71

13. 數(shù)據(jù)規(guī)約74

14. 屬性規(guī)約74

15. 數(shù)值規(guī)約77

16. Python主要數(shù)據(jù)預(yù)處理函數(shù)80

數(shù)據(jù)挖掘建模

1. 分類與預(yù)測(cè)83

2. 實(shí)現(xiàn)過程83

3. 常用的分類與預(yù)測(cè)算法84

4. 回歸分析85

5. 決策樹89

6. 人工神經(jīng)網(wǎng)絡(luò)95

7. 5.1.6?分類與預(yù)測(cè)算法評(píng)價(jià)100

8. 5.1.7?Python分類預(yù)測(cè)模型特點(diǎn)103

9. 5.2?聚類分析104

10. 5.2.1?常用聚類分析算法104

11. 5.2.2?K-Means聚類算法105

12. 5.2.3?聚類分析算法評(píng)價(jià)111

13. 5.2.4?Python主要聚類分析算法111

14. 5.3?關(guān)聯(lián)規(guī)則113

15. 5.3.1?常用關(guān)聯(lián)規(guī)則算法114

16. 5.3.2?Apriori算法114

17. 5.4?時(shí)序模式119

18. 5.4.1?時(shí)間序列算法120

19. 5.4.2?時(shí)間序列的預(yù)處理120

20. 5.4.3?平穩(wěn)時(shí)間序列分析122

21. 5.4.4?非平穩(wěn)時(shí)間序列分析124

22. 5.4.5?Python主要時(shí)序模式算法132

23. 5.5?離群點(diǎn)檢測(cè)134

24. 5.5.1?離群點(diǎn)檢測(cè)方法135

25. 5.5.2?基于模型的離群點(diǎn)檢測(cè)方法136

26. 5.5.3?基于聚類的離群點(diǎn)檢測(cè)方法138

數(shù)據(jù)挖掘?qū)崙?zhàn)項(xiàng)目一—客戶價(jià)值分析

1. 背景與挖掘目標(biāo)164

2. 7.2?分析方法與過程166

3. 7.2.1?數(shù)據(jù)抽取168

4. 7.2.2?數(shù)據(jù)探索分析168

5. 7.2.3?數(shù)據(jù)預(yù)處理169

6. 7.2.4?模型構(gòu)建173

數(shù)據(jù)挖掘?qū)崙?zhàn)項(xiàng)目二--電子商務(wù)網(wǎng)站用戶行為分析及服務(wù)推薦

1. 背景與挖掘目標(biāo)238

2. 12.2?分析方法與過程240

3. 12.2.1?數(shù)據(jù)抽取242

4. 12.2.2?數(shù)據(jù)探索分析244

5. 12.2.3?數(shù)據(jù)預(yù)處理251

6. 12.2.4?模型構(gòu)建256

協(xié)議分析

1. Web端協(xié)議分析

2. 網(wǎng)頁(yè)登錄POST分析

3. 隱藏表單分析

4. 加密數(shù)據(jù)分析

5. 驗(yàn)證碼問題

6. IP代理

7. Cookie登錄

8. 傳統(tǒng)驗(yàn)證碼識(shí)別

9. 人工打碼

10. 滑動(dòng)驗(yàn)證碼

11. PC客戶端抓包分析

12. HTTP Analyzer簡(jiǎn)介

13. 蝦米音樂PC端API實(shí)戰(zhàn)分析

14. App抓包分析

15. Wireshark簡(jiǎn)介

16. 酷我聽書App端API實(shí)戰(zhàn)分析

17. API爬蟲：爬取mp3資源信息

Scrapy爬蟲框