三、Python
6-6-1.Python简介
6-6-2.变量赋值
6-6-3.字符串
6-6-4.列表和字典
6-6-5.分支结构
6-6-6.循环
6-6-7.循环练习
6-6-8自定义函数
6-6-9自定义函数调用
6-6-10.高级函数
6-6-11.time、datetime、random模块
6-6-12.三元表达式
6-7-1.练习题讲解
6-7-2.列表推导式
6-7-3.字典
6-7-4.函数
6-7-5.类与对象
6-8-1.练习题讲解
6-8-2.模块
6-8-3.连接数据库
6-8-4.读写文件
6-8-5.time和os
6-12-1.Numpy基本概念和创建数组
6-12-2.数组
6-12-3.数组方法
6-12-4.通用函数和矩阵
6-12-5.Numpy 案例
6-13-1.pyplot基础语法
6-13-2.基本图形
6-13-3.读写mql数据
6-13-4.读写文本文件
6-13-5.Pandas Data.Frame
6-14-1.numpy和pandas基本数据结构
6-14-2.数据清洗1
6-14-3.数据清洗2
6-14-4.数据清洗3
6-19-1.爬虫原理
6-19-2.抓取图片
6-19-3.get方式抓取淘宝下拉词
6-19-4.反爬虫机制
6-19-5.post方式抓取有道翻译数据
6-20-1.API获取天气数据
6-20-2.正则表达式抓取猫眼数据
6-20-3.BeautifulSoup抓取新闻数据
6-20-4.Selenium模拟浏览器动态抓取数据
6-20-5.Pandas分组
6-21-1.机器学习和深度学习简介
6-21-2.一元线性回归-代价函数
6-21-3.梯度下降法求解线性回归
6-21-4.Python实现一元线性回归-梯度下降
6-21-5.Python实现一元线性回归-sklearn
6-22-1.多元线性回归-梯度下降和多项式
6-22-2.多元线性回归-标准方程
6-22-3.岭回归
6-22-4.LASSO回归和逻辑回归代价函数
6-22-5.逻辑回归-梯度下降和sklearn
6-25-1神经网络介绍、单层感知器
6-25-2单层感知器代码实现
6-25-3单层感知器分类、单层感知器异或问题、线性神经网络、BP神经网络
6-25-4BP算法代码实现
6-25-5手写字体识别、葡萄酒
6-26-1 KNN算法介绍、代码实现KNN对电影分类例子
6-26-2Iris鸢尾花分类例子手写及sklearn
6-26-3绘制决策树软件安装、决策树算法介绍、
6-26-4决策树例子AllElectronics 、
6-26-5决策树CART算法
6-27-1数据挖掘概念、数理统计、机器学习概述
6-27-2 算法工具概述、K-NN概述
6-27-3K-NN的python实现
6-27-4 pandas函数讲解、完善模型
6-27-5读取外部数据运行算法并
6-28-1模型评估指标、
6-28-2模型优化、K值学习曲线
6-28-3交叉验证
6-28-4 梯度下降
6-28-5梯度下降
6-29-1梯度下降算法种类、梯度下降python实现
6-29-2梯度下降python实现
6-29-3聚类概述、核心概念、K-Means快速聚类
6-29-4快速聚类算法编写、
6-29-5快速聚类算法编写
7-2-1.K-Means误差平方和SSE
7-2-2.二分K均值法基本原理
7-2-3.Python实现二分K均值法
7-2-4.轮廓系数
7-2-5.K-Means的Scikit-Learn实现
7-3-1.Scikit-Learn模型评估器使用
7-3-2.决策树
7-3-3.贝叶斯基本原理
7-3-4.贝叶斯公式
7-3-5.Scikit-Learn实现贝叶斯
7-4-1.贝叶斯模型评估
7-4-2.频繁项集的评估标准
7-4-3.Apriori算法基本原理
7-4-4.Python实现关联规则的辅助函数
7-4-5.Python实现关联规则Apriori算法
7-5-1.决策树基本介绍
7-5-2.决策树原理介绍
7-5-3.决策树应用基础
7-5-4.Python实现决策树
7-6-1.时间序列模型
7-6-2.Box-Jenkins建模流程
7-6-3.时间序列应用案例
7-6-4.时间序列Python练习
7-7-1
7-7-2
7-7-3
7-9-1
7-9-2
7-9-3
7-9-4
7-9-5
7-15-1
7-15-2
7-15-3
7-15-4
7-15-5