专注于数据科学领域

专注于数据科学领域,注重务实技能培养,化整为零,知识点各个击破

有问必答的交流社区

在学习中一定会遇到问题,有问题直接到问答板块发帖,热心的同学们会互相帮助解答

便捷的支付方式

完美支持支付宝扫码和微信支付

最新课程

数据集处理:合并

Python 数据科学入门

本节我们将向大家介绍数据集处理过程中的“合并”方法:merge 与 join。

发布时间:2017-02-23

价格: 10 数析币

查看详情

使用 Pandas 分析网站访问日志

Pandas 基础进阶

本节我们将通过一个例子向大家演示如何运用 Pandas 来进行 Apache 访问日志分析。

发布时间:2017-02-20

价格: 40 数析币

查看详情

深度学习:基于 Gensim 的 Yelp 评论文本分类实例

机器学习应用实例

本节我们将会通过 gensim 将词向量(Word2Vec)学习机运用于文本分类中。

发布时间:2017-02-16

价格: 10 数析币

查看详情

推荐课程

Graphlab 是基于C++开发的知名开源推荐系统,支持多种数据结构及数据挖掘算法,用其构建推荐系统步骤简单且效果较好,本节将为大家介绍一下如何用 Graphlab Create 构建一个歌曲推荐系统。

  • 了解 Graphlab 系统
  • 掌握利用 Graphlab 构建推荐系统流程及分析技巧

分类和预测是两种常用数据分析方式,可以用于提取数据类模型、预测未来的数据趋势,被广泛用于信用评价、医疗诊断、性能预测和购物选择分析等。本节采用决策树分类模型,利用 sklearn 库提供的决策树分类器对收入数据集进行收入水平分类、预测。

  • 掌握 Dataframe 结构数据描述性统计分析方法
  • 熟悉 sklearn 库决策树分类器构建方法
  • 了解分类器性能评价指标及模型调整

本节提供了自然语言文本分析的实用方法,通过深度学习、分类、回归简单的组合,利用博客文章准确地预测博主的性别、年龄。具体来讲,就是利用 Gensim库中的Word2Vec深度学习模型创建文本特征,进而用 GraphLab Create中的机器学习工具进行分类和回归分析。

  • 了解 Word2Vec 并学会使用 Gensim 相关包训练 Word2Vec 模型
  • 利用 Word2Vec 实现文本分类及相关回归预测分析

学员反馈

张同学

不错,课程很直观,边看边练不知不觉就学会了。

王同学

很适合初学者入门,课程资源也挺丰富的,坚持下去应该收获不小。

李同学

问答社区的小伙伴真的好热心,提问之后不一会就有人解答我的问题了。