分享
利用Python进行数据分析（原书第2版）
作者：Wes McKinney
出版社：机械工业出版社
ISBN：9787111603702
VIP会员免费
（仅需0.8元/天）
¥ 60.0
温馨提示： 价值40000元的1000本电子书，VIP会员随意看哦！
电子书推荐
-
-
python机器学习包 评分:
机器学习的numpy包，NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
上传时间：2018-08 大小：4.79MB
13.30MB利用Python进行数据分析 原书第2版_python_数据分析_
2021-10-02口碑比较好的数据分析参考书，Python编程、库，以及用于数据分析的工具。
23B利用python进行数据分析 中文第二版-附件资源
2021-03-02利用python进行数据分析 中文第二版-附件资源
58.82MBpython机器学习相关库打包下载
2018-09-07python机器学习相关库打包下载，大家可以直接安装，方便大家使用。
170KBpython机器学习理论与实战（四）逻辑回归
2020-12-24从这节算是开始进入“正规”的机器学习了吧，之所以“正规”因为它开始要建立价值函数（cost function），接着优化价值函数求出权重，然后测试验证。这整套的流程是机器学习必经环节。今天要学习的话题是逻辑回归，逻辑回归也是一种有监督学习方法（supervised machine learning）。逻辑回归一般用来做预测，也可以用来做分类，预测是某个类别^.^！线性回归想比大家都不陌生了，y=kx+b,给定一堆数据点，拟合出k和b的值就行了，下次给定X时，就可以计算出y,这就是回归。而逻辑回归跟这个有点区别，它是一种非线性函数，拟合功能颇为强大，而且它是连续函数，可以对其求导，这点很重要，如
- 864B
Python机器学习实训营（2020版）
2021-04-21本课程旨在帮助同学们在机器学习领域打下坚实基础。希望对大家有帮助
- 3.74MB
机器学习机器学习机器学习python的PPT资源
2019-07-01这个资源是包含python的PPT资源，快来加入机器学习吧。
- 733KB
机器学习Python算法知识点大全，包含sklearn中的机器学习模型和Python预处理的pandas和numpy知识点
2022-01-221、机器学习sklearn框架知识点，pandas与numpy大全 3、了解机器的核心原理和算法理论 4、应用场景:数据挖掘，预测、分类、推荐算法 5、特点:简化框架及代码思想，言简意赅 6、适用人群:想学习机器学习的初学者 7、...
- 30.56MB
机器学习实战源代码python3.rar_python3 代码_机器学习_机器学习代码_机器学习测试
2022-07-15机器学习实战源代码（内含测试数据、以及Python3的源代码）
1.36MBPython-tslearn专用于时间序列数据的机器学习Python工具包
2019-08-11tslearn 专用于时间序列数据的机器学习Python工具包
- 549.94MB
机器学习python虚拟环境：machine_learn_venv.tar
2022-04-10其他：只需要把这个包解压开，然后运行python程序的时候，指定这个虚拟环境中的python解释器，就可以开启机器学习旅程了。我也在学习中，如果后续遇到其他问题，补充了其他组件，会更新这个包的。
- 816B
Python机器学习实训营（2020版）.rar
2021-03-08Python机器学习实训营（2020版）视频教程； 章节1:线性回归原理推导 章节2:线性回归代码实现 章节3:模型评估方法 章节4:线性回归实验分析 章节5:逻辑回归原理推导 章节6:逻辑回归代码实现 章节7:逻辑回归实验分析 章节8:聚类算法-Kmeans&Dbscan原理 章节9:Kmeans代码实现 章节10:聚类算法实验分析 章节11:决策树原理 章节12:决策树代码实现 章节13:决策树实验分析 章节14:集成算法原理 章节15:集成算法实验分析 章节16:支持向量机原理推导 章节17:支持向量机实验分析 章节18:神经网络算法原理 章节19:神经网络代码实现 章节20:贝叶斯算法原理 章节21:贝叶斯代码实现 章节22:关联规则实战分析 章节23:关联规则代码实现 章节24:词向量word2vec通俗解读 章节25:代码实现word2vec词向量模型 章节26:推荐系统原理分析 章节27:打造音乐推荐系统 章节28:线性判别分析降维算法原理解读 章节29:主成分分析降维算法原理解读
- 73.27MB
python常用机器学习库api文档
2018-04-08其中包含scipy、matplotib、scikti-learn、numpy、pandas文档，截至上传时间为最新版
- 34.47MB
Python打包exe环境
2017-09-29Python打包exe环境，经过测试，可在win10x64，xp-x86上面安装使用，打包出来的exe可在32位系统下运行， python2.7.14 32位，pywin32，pyinstaller-2.0 ，upx308w
- 7.86MB
Python数据分析
2018-03-20利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，利用Python进行数据分析PDF版本，
- 6.74MB
Python机器学习工具包scikit-learn.zip
2019-07-19scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。 标签：scikit
- 11.5MB
机器学习——梯度下降python实现
2018-09-10机器学习中经典的优化算法，让loss快速达到更小，本代码在minist数据集测试分类算法，取得很好的结果。
- 163KB
Python-可视化涉及机器学习的一些过程的Python包
2019-08-11可视化涉及机器学习的一些过程的Python包
- 6KB
Python数据分析与机器学习-Python实现逻辑回归与梯度下降策略
2017-12-30Python数据分析与机器学习-Python实现逻辑回归与梯度下降策略
- 2.69MB
Outlier Analysis 2nd Edition 中文 part2.pdf
2019-01-26此为中文：Outlier Analysis 2nd Edition 中文 part2 对照英文：https://download.csdn.net/download/u012547148/10938324
- 112KB
python机器学习库常用汇总
2020-09-21主要为大家汇总了常用python机器学习库，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
- 281KB
Python-Python在线机器学习库
2019-08-09➿Online machine learning in Python
- 466KB
python常用库
2018-04-25python常用的第三方库的一些介绍，安装方法，使用技巧
- 28KB
实验报告心得体会通用版
2011-04-24适合各种各种实验的实验报告心得体会，基本就是通用的实验报告心得体会
- 66.0MB
Python3.6.1 配置好的机器学习包 （1）
2017-06-14Python3.6.1 配置好的机器学习包 （1）
- 31.10MB
人工智能实战——从Python入门到机器学习资料大全.zip
2022-06-04包含：Python 基础教程、10个编程技巧、Python高级编程、优化算法、实例学习Numpy与Matplotlib、实例学习pandas、机器学习、深度学习、梯度下降、实验等等等等人工智能实战——从Python入门到机器学习资料大全。...
1.51MBPython机器学习实验.doc
2021-07-12本实验为Python机器学习与视觉实验报告，包含代码与仿真结果图，仅供参考。 包括：贝叶斯算法实验、逻辑回归实验、PCA、SVD降维实验。仅供参考。
- 29.40MB
吴恩达传统机器学习作业代码（python jupyter）：线性回归、逻辑回归、神经网络、SVM、Kmeans决策树和自动调参数
2022-06-08吴恩达传统机器学习作业代码（python jupyter）：线性回归、逻辑回归、神经网络、SVM、Kmeans决策树和自动调参数 吴恩达老师的机器学习课后习题Python 包含有8个单元，附带数据集，轻松入门机器学习。 适合人工智能...
48KBpandas库学习报告.docx
2022-04-11数据仓库~有关于pandas库的学习报告 小丸子帮大家总结到位了 希望可以帮助各位 点赞收藏哈！！！
