菜单 学习猿地 - LMONKEY

python

开放的数据分析场景， 要用编程来进行数据分析。 Python语言在机器学习领域有广泛的应用。采用机器学习的方式进行数据分析需要经过五个步骤，分别是数据准备、算法设计、算法训练、算法验证和算法应用。 采用Python进行数据分析还需要掌握一系列库的使用，包括Numpy（矩阵运算库）、Scipy（统计运算库）、Matplotlib（绘图库）、pandas（数据集操作）、Sympy（数值运算库）等库，这些库在Python进行数据分析时有广泛的应用。

python

python

应知应会：

python

1. 1.掌握SPSS统计分析安装

2.掌握SPSS数据处理

3.掌握描述性分析与相关分析

4.了解机器学习概念

5了解numpy，pandas， matplotlib

6.了解一些统计学知识

7.了解数据清洗

8.了解特征工程

9.了解机器学习算法

python

python

业务实战：

python

机器学习算法的tensorflow实现

python

python

主要知识点：

python
☑ SPSS统计分析概述

☑ 介绍、安装、界面等

☑ SPSS数据处理

☑ 数据类型与变量尺度

☑ 数据导入、清洗、抽取、合并分组和标准化

☑ 描述性分析与相关分析

☑ 频率、交叉表和描述分析

☑ 相关分析简介与实践

☑ 数据挖掘

☑ 机器学习算法的tensorflow实现

☑ 数据建模分析

☑ numpy的数组

☑ numpy的索引以及切片

☑ numpy的数据类型

☑ numpy的数学运算

☑ numpy的广播

☑ 计算统计学

☑ Series介绍

☑ DataFrame介绍

☑ 相关函数介绍

☑ 数据可视化

☑ 散点图

☑ 直方图

☑ 折线图

☑ 3D绘图

☑ 热力图

☑ 对比图

☑ 统计学

☑ 离群值介绍

☑ 数据的简单统计值介绍

☑ 相关系数和相关矩阵

☑ 协方差

☑ 皮尔森相关系数

☑ 斯皮尔曼等级相关系数

☑ 平均数和中位数

☑ 数据清洗

☑ 删除重复性特征

☑ 删除无关特征

☑ 解决结构性的错误

☑ 删除离群值

☑ 处理丢失的数据

☑ 数据类型处理

☑ 综合应用

☑ 电商客户特征识别数据分析

python

python

学习基础：

python

学此阶段需要掌握SPSS数据处理，掌握描述性分析与相关分析，掌握Pandas数据预处理（整理/清洗）及描述性数据分析（指标计算和可视化）， 掌握文本类结构化数据的分析和可视化，掌握Matplotib图表绘制和高级操作及其他绘图库，掌握综合应用数据分析和数据可视化技术，完成完整的数据分析报告，掌握Numpy数据生成、数据操作和数值计算， 掌握常见数学和统计学指标计算原理、向量和矩阵计算原理，理解常用机器学习算法原理，站我算法实现探索性数据分析，解决现实问题。

python

python

python