Python玩转机器学习（纯手工代码实现）课程旨在帮助同学们在机器学习领域打下坚实基础。课程注重算法原理讲解与数学公式推导并基于Python语言给出完整的代码实现，从零开始实现每一模块功能（非调用工具包）通过代码实例演示算法工作流程与实现方法。建议同学们在学习过程中先掌握算法原理，基于数学推导公式进行代码复现与实战演练。课程提供全部课程所需PPT，数据，代码。
机器学习|31章全免费！完整的自学教程+课件+安装包 mp.weixin.qq.com
第一章: Python实战关联规则
1-关联规则概述
2支持度与置信度
3-提升度的作用
4-Python实战关联规则
5-数据集制作
6-电影数据集题材关联分析
第二章:爱彼迎数据集分析与建模
1-数据与任务分析
2-提取月份信息进行统计分析
3-房价随星期变化的可视化展示
4-房屋信息指标分析
5-提取房屋常见设施
6-房屋规格热度图分析
7-预处理与建模准备
8-随机森林与LightGBM
9-训练与评估
第三章:基于相似度的酒店推荐系统
1-数据与任务介绍
2-文本词频统计
3-ngram结果可视化展示
4-文本清洗
5-相似度计算
6-得出推荐结果
第四章:商品销售额回归分析
1-数据任务分析
2-特征工程制作
4-特征信息提取
5-标签变换.
6-输入数据制作
7-Xgboost训练模型
8-生成输出结果
第五章:绝地求生数据集探索分析与建模
1-数据与任务简介
2-数据问题探索与解决方案
3-剔除开挂数据
4类别变量处理
5-绘图统计分析
6-热度图展示
7-随机森林建模
8-特征重要性
第六章:机器学习-模型解释方法实战
1-模型解释方法与实践
2-部分依赖图解释
3-双变量分析
4- ShapValues指标分析
5-疾病引起原因分析实战
第七章:自然语言处理必备工具包实战
1-Python字符串处理
2-正则表达式基本语法
3-正则常用符号
4-常用函数介绍
5-NLTKI具包简介
6-停用词过滤
7-词性标注
8-数据清洗实例
9-Spacy工具包
10-名字实体匹配
11.恐怖袭击分析
12-统计分析结果
13结巴分词器
14-词云展示
第八章: NLP核心模型-word2vec
1-词向量模型通俗解释
2-模型整体框架
3-训练数据构建
4-CBOW与Skip-gram模型
5-负采样方案
第九章:文本特征处理方法对比
1-任务概述
2-词袋模型
3-词袋模型分析
4-TFIDF模型
5-word2vec词向量模型
6-深度学习模型
第十章:数据特征预处理
2-数据分析与可视化展示
3-连续值离散化与可视化细节
4-加载数据坐标到实际地图中进行分析
5-特征相关性分析
6-缺失值埴充
7-sklearn工具包预处理模块
8-离散属性特征处理
9-构建合适的特征
10-序列化执行预处理操作
11 -完成所有预处理操作
12-构建回归模型
第十一章:银行客户还款可能性预测
1-数据任务介绍及缺失值处理
2-EDA数据探索分析
4-KDEPLOT展示
5-部分特征分析与可视化
6-数据检查与特征工程
7-多项式特征
8-自定义特征
9-逻辑回归模型
10-结果评估
12-必杀神奇: lightgbm
第十二章:图像特征聚类分析实践
1-数据与任务流程分析
2-图片数据导入
3-图像特征编码
4-数组保存与读取
5-得出聚类结果
6-聚类效果可视化展示
https://apprhKAAI3V6603.h5.xeknow.com/st/8iErU9kKs (二维码自动识别)
关注公众号“Python头条”
回复“机器学习”即可获得课件+安装包
来源：oschina
链接：https://my.oschina.net/u/4343260/blog/4428322