語言：英語|尺寸：3.19 GB |持續(xù)時間：8小時31米

學(xué)習(xí)Python用于數(shù)據(jù)科學(xué)和機器學(xué)習(xí)，并通過實踐項目構(gòu)建回歸和預(yù)測模型

你將學(xué)到什么

掌握Python中回歸分析的機器學(xué)習(xí)基礎(chǔ)

對模型特征、目標(biāo)及其之間的關(guān)系進(jìn)行探索性數(shù)據(jù)分析

使用Statsmodels和Scikit Learn構(gòu)建和解釋簡單和多元線性回歸模型

使用假設(shè)檢驗、殘差圖和平均誤差度量等工具評估模型性能

診斷并修復(fù)對線性回歸模型假設(shè)的違反

通過數(shù)據(jù)拆分、驗證和交叉驗證以及模型評分來調(diào)整和測試您的模型

利用正則化回歸算法提高測試模型的性能和準(zhǔn)確性

采用時間序列分析技術(shù)來識別趨勢和季節(jié)性，進(jìn)行分解并預(yù)測未來價值

要求

我們強烈建議您先參加我們的數(shù)據(jù)準(zhǔn)備和EDA課程

Jupyter筆記本（免費下載，我們將完成安裝）

建議熟悉基本Python和Pandas，但不是必需的

描述

這是一門基于項目的實踐課程，旨在幫助您掌握Python中回歸分析的基礎(chǔ)。我們將從回顧數(shù)據(jù)科學(xué)工作流程開始，討論回歸分析的主要目標(biāo)和類型，并深入了解我們將在整個課程中使用的回歸建模步驟。您將學(xué)會執(zhí)行探索性數(shù)據(jù)分析，擬合簡單的多元線性回歸模型，并使用假設(shè)檢驗、殘差圖和誤差度量等工具建立解釋模型和評估其性能的直覺。我們還將回顧線性回歸的假設(shè)，并學(xué)習(xí)如何診斷和修復(fù)每一個假設(shè)。從那里，我們將介紹有助于確保我們的模型在新的、看不見的數(shù)據(jù)上表現(xiàn)良好的模型測試和驗證步驟，包括數(shù)據(jù)拆分、調(diào)整和模型選擇的概念。您還將學(xué)習(xí)如何利用特征工程技術(shù)和正則化回歸算法來提高模型性能。在整個課程中，您將在專注于客戶定價策略的團(tuán)隊中擔(dān)任Maven咨詢集團(tuán)的副數(shù)據(jù)科學(xué)家。利用你在整個課程中學(xué)到的技能，你將使用Python來探索他們的數(shù)據(jù)并建立回歸模型，以幫助公司準(zhǔn)確預(yù)測價格并了解影響價格的變量。最后但并非最不重要的是，你將了解時間序列分析和預(yù)測技術(shù)。您將學(xué)習(xí)分析趨勢和季節(jié)性，執(zhí)行分解和預(yù)測未來價值。課程大綱：數(shù)據(jù)科學(xué)簡介介紹數(shù)據(jù)科學(xué)和機器學(xué)習(xí)領(lǐng)域，復(fù)習(xí)基本技能，并介紹數(shù)據(jù)科學(xué)工作流程的每個階段回歸101復(fù)習(xí)回歸的基礎(chǔ)，包括關(guān)鍵術(shù)語、回歸分析的類型和目標(biāo)，以及回歸建模工作流預(yù)建模數(shù)據(jù)準(zhǔn)備和EDARecap執(zhí)行建模所需的數(shù)據(jù)準(zhǔn)備和EDA步驟，包括探索目標(biāo)、特征、，及其關(guān)系簡單線性回歸在Python中構(gòu)建簡單的線性回歸模型，了解有助于評估其質(zhì)量和輸出的指標(biāo)和統(tǒng)計測試多重線性回歸在Python中構(gòu)建多重線性回歸模型并評估模型擬合度，執(zhí)行變量選擇，并使用誤差度量對模型進(jìn)行比較模型假設(shè)查看需要滿足的線性回歸模型假設(shè)，以確保模型的預(yù)測和解釋是有效的模型測試和驗證通過拆分?jǐn)?shù)據(jù)、使用訓(xùn)練和驗證數(shù)據(jù)調(diào)整模型、選擇最佳模型來測試模型性能，并在測試數(shù)據(jù)上進(jìn)行評分特征工程將特征工程技術(shù)應(yīng)用于回歸模型，包括偽變量、交互項、裝箱和更多正則化回歸引入正則化回歸技術(shù)，這些技術(shù)是線性回歸的替代品，包括Ridge、Lasso、，和彈性網(wǎng)回歸時間序列分析學(xué)習(xí)探索時間序列數(shù)據(jù)的方法，以及如何使用線性回歸和Facebook Prophet進(jìn)行時間序列預(yù)測__________準(zhǔn)備好深入研究了嗎？立即加入，終身訪問以下內(nèi)容：8.5小時的高質(zhì)量視頻14個家庭作業(yè)10個測驗3個項目Python中的數(shù)據(jù)科學(xué)：回歸電子書（230多頁）可下載的項目文件和解決方案專家支持和問答論壇30天Udemy滿意度保證如果你是一位有抱負(fù)的數(shù)據(jù)科學(xué)家，正在尋找Python回歸建模世界的介紹，這是你的課程。學(xué)習(xí)愉快-Chris Bruehl（數(shù)據(jù)科學(xué)專家兼首席Python講師，Maven Analytics）

概述

第1節(jié)：入門

第1講課程簡介

第二講本系列

第三講課程結(jié)構(gòu)與大綱

第4講閱讀我：給新生的重要筆記

第5講下載：課程資源

第六講課程項目介紹

第7講設(shè)定期望

講座8 Jupyter的安裝和發(fā)布

第二節(jié)：數(shù)據(jù)科學(xué)導(dǎo)論

第九講什么是數(shù)據(jù)科學(xué)？

第10講數(shù)據(jù)科學(xué)技能

第11講什么是機器學(xué)習(xí)？

第12講常見的機器學(xué)習(xí)算法

第13講數(shù)據(jù)科學(xué)工作流程

第14講第1步：界定項目范圍

第15講第2步：收集數(shù)據(jù)

第16講第3步：清理數(shù)據(jù)

第17講第4步：探索數(shù)據(jù)

第18講第5步：建模數(shù)據(jù)

第19講第6步：分享見解

第20講回歸建模

第21講主要收獲

第3節(jié)：回歸101

第22講回歸101

第23講回歸目標(biāo)

第24講回歸的類型

第25講回歸建模工作流程

第26講主要收獲

第4節(jié)：建模前數(shù)據(jù)準(zhǔn)備和EDA

第27講回歸EDA

第28講探索目標(biāo)

第29講探索特色

第30講作業(yè)：探索目標(biāo)和特點

第31講解決方案：探索目標(biāo)和特點

第32講線性關(guān)系與相關(guān)性

第33講Python中的線性關(guān)系

第34講特征-目標(biāo)關(guān)系

第35講特征-特征關(guān)系

第36講專業(yè)提示：配對圖與就業(yè)

第37講任務(wù)：探索人際關(guān)系

第38講解決方案：探索人際關(guān)系

第39講建模準(zhǔn)備

第40講要點

第5節(jié)：簡單線性回歸

第41講簡單線性回歸

第42講線性回歸模型

第43講最小二乘誤差

第44講Python中的線性回歸

第45講統(tǒng)計模型中的線性回歸

第46講模型解讀

第47講預(yù)測

第48講R-Squared

第49講假設(shè)檢驗

第50講F-Test

第51講系數(shù)估計與P值

第52講殘差圖

第53講案例研究：健康保險價格建模

第54講作業(yè)：簡單線性回歸

第55講解決方案：簡單線性回歸

第56講要點

第6節(jié)：多元線性回歸

第57講多元線性回歸方程

第58講擬合多元線性回歸

第59講多元線性回歸模型的解釋

第60講變量選擇

第61講作業(yè)：多元線性回歸

第62講解決方案：多元線性回歸

第63講平均誤差度量

第64講DEMO：平均誤差度量

第65講調(diào)整后的R平方

第66講作業(yè)：平均誤差度量

第67講解決方案：平均誤差度量

第68講主要收獲

第7節(jié)：模型假設(shè)

第69講線性回歸的假設(shè)

第70講線性

第71講錯誤的獨立性

第72講誤差的正態(tài)性

第73講DEMO：錯誤的正常性

第74講PRO TIP：解釋轉(zhuǎn)換目標(biāo)

第75講沒有完美多共線

第76講誤差的等方差

第77講局外人、杠桿和影響力

第78講RECAP：線性回歸的假設(shè)

第79講作業(yè)：模型假設(shè)

第80講解決方案：模型假設(shè)

第81講要點

第8節(jié)：模型測試與驗證

第82講模型評分步驟

第83講數(shù)據(jù)拆分

第84講合身與不合身

第85講偏差-方差權(quán)衡

第86講驗證數(shù)據(jù)

第87講模型調(diào)整

第88講模型評分

第89講交叉驗證

第90講簡單與交叉驗證

第91講作業(yè)：模型測試與驗證

第92講解決方案：模型測試與驗證

第93講要點

第9節(jié)：特征工程

第94講特征工程導(dǎo)論

第95講特征工程技術(shù)

第96講多項式項

第97講結(jié)合特色

第98講互動術(shù)語

第99講分類特征

第100講虛擬變量

第101講DEMO：虛擬變量

第102講分類數(shù)據(jù)的二進(jìn)制化

第103講二進(jìn)制數(shù)字?jǐn)?shù)據(jù)

第104講DEMO：附加功能工程理念

第105講作業(yè)：特征工程

第106講解決方案：特征工程

第107講主要收獲

第10節(jié)：項目1：舊金山租金價格

第108講項目簡介

第109講解決方案演練

第11節(jié)：正則回歸

第110講正則回歸導(dǎo)論

第111講山脊回歸

第112講標(biāo)準(zhǔn)化

第113講擬合嶺回歸模型

第114講演示：擬合嶺回歸

第115講專業(yè)提示：RidgeCV

第116講作業(yè)：嶺回歸

第117講解決方案：嶺回歸

第118講拉索回歸

第119講PRO提示：LassoCV

第120講作業(yè)：拉索回歸

第121講解決方案：拉索回歸

第122講彈性網(wǎng)絡(luò)回歸

第123講DEMO：擬合彈性網(wǎng)絡(luò)回歸

第124講PRO提示：ElasticNetCV

第125講作業(yè)：彈性網(wǎng)絡(luò)回歸

第126講解決方案：彈性網(wǎng)絡(luò)回歸

第127講RECAP：正則化回歸模型

第128講預(yù)覽：基于樹的模型

第129講要點

第12節(jié)：項目1：舊金山租金價格（續(xù)）

第130講項目簡介

第131講解決方案演練

第13節(jié)：時間序列分析

第132講時間序列簡介

第133講移動平均線

第134講演示：移動平均數(shù)

第135講指數(shù)平滑

第136講作業(yè)：平滑

第137講解決方案：平滑

第138講分解

第139講DEMO：分解

第140講PRO TIP：自相關(guān)圖

第141講作業(yè)：分解

第142講解決方案：分解

第143講預(yù)測

第144講趨勢與季節(jié)的線性回歸

第145講DEMO：趨勢與季節(jié)的線性回歸

第146講Facebook先知

第147講作業(yè)：預(yù)測

第148講解決方案：預(yù)測

第149講主要收獲

第14節(jié)：項目2：用電量

第150講項目簡介

第151講解決方案演練

第15節(jié)：下一步行動

第152講附加課

鏈接：https://pan.baidu.com/s/1RMVeU1_sj0zGVbA1b8vd0A?

提取碼：lylo?

--來自百度網(wǎng)盤超級會員V6的分享