scikit learn videos下载 - scikit learn videos源代码下载

scikit learn videos

Python

1.0.0

下载

scikit-learn 机器学习简介

本视频系列将教您如何使用 Python 流行的 scikit-learn 库解决机器学习问题。有10个视频教程，总计4.5小时，每个视频教程都有相应的Jupyter笔记本。

您可以在 YouTube 上观看整个系列，并使用 nbviewer 查看所有笔记本。

该系列还提供免费在线课程，其中包括更新内容、测验和结业证书。

观看第一个教程视频

注意：此存储库中的笔记本已更新为使用 Python 3.9.1 和 scikit-learn 0.23.2。原始笔记本（视频中所示）使用 Python 2.7 和 scikit-learn 0.16，可以从存档分支下载。您可以在这篇博文中了解我如何更新代码。

什么是机器学习，它是如何工作的？（视频、笔记本）
- 什么是机器学习？
- 机器学习的两个主要类别是什么？
- 机器学习有哪些例子？
- 机器学习如何“工作”？
设置 Python 进行机器学习：scikit-learn 和 Jupyter Notebook（视频、笔记本）
- scikit-learn 的优点和缺点是什么？
- 如何安装 scikit-learn？
- 如何使用 Jupyter 笔记本？
- 有哪些学习Python的好资源？
使用著名的 iris 数据集开始 scikit-learn（视频、笔记本）
- 著名的鸢尾花数据集是什么？它与机器学习有何关系？
- 我们如何将 iris 数据集加载到 scikit-learn 中？
- 我们如何使用机器学习术语来描述数据集？
- scikit-learn 处理数据的四个关键要求是什么？
使用 scikit-learn 训练机器学习模型（视频、笔记本）
- 什么是K近邻分类模型？
- scikit-learn 中模型训练和预测的四个步骤是什么？
- 如何将此模式应用于其他机器学习模型？
比较 scikit-learn 中的机器学习模型（视频、笔记本）
- 如何选择用于监督学习任务的模型？
- 如何为该模型选择最佳调整参数？
- 如何估计模型在样本外数据上的可能性能？
数据科学管道：pandas、seaborn、scikit-learn（视频、笔记本）
- 如何使用 pandas 库将数据读取到 Python 中？
- 如何使用seaborn库来可视化数据？
- 什么是线性回归，它是如何工作的？
- 如何在 scikit-learn 中训练和解释线性回归模型？
- 回归问题的评估指标有哪些？
- 如何选择要包含在模型中的特征？
参数调整、模型选择和特征选择的交叉验证（视频、笔记本）
- 使用训练/测试分割程序进行模型评估有什么缺点？
- K折交叉验证如何克服这个限制？
- 如何使用交叉验证来选择调整参数、在模型之间进行选择以及选择特征？
- 交叉验证有哪些可能的改进？
有效搜索最佳调整参数（视频、笔记本）
- 如何使用 K 折交叉验证来搜索最佳调整参数？
- 如何使这个过程更加高效？
- 如何一次搜索多个调整参数？
- 在进行真正的预测之前，您如何处理这些调整参数？
- 如何减少这个过程的计算开销？
评估分类模型（视频、笔记本）
- 模型评估的目的是什么？常见的评估程序有哪些？
- 分类准确率有什么用，它有什么局限性？
- 混淆矩阵如何描述分类器的性能？
- 可以从混淆矩阵计算哪些指标？
- 如何通过改变分类阈值来调整分类器性能？
- ROC 曲线的目的是什么？
- 曲线下面积 (AUC) 与分类准确率有何不同？
构建机器学习工作流程（视频、笔记本）
- 为什么应该使用管道？
- 如何使用 OneHotEncoder 对分类特征进行编码？
- 如何使用 ColumnTransformer 将 OneHotEncoder 应用到选定的列？
- 如何构建和交叉验证管道？
- 如何使用管道对新数据进行预测？
- 为什么应该使用 scikit-learn （而不是 pandas）进行预处理？