数据科学
0 人感兴趣 · 12 次引用
- 最新
- 推荐
《Python 数据科学：关于使用 Python 处理数据需要了解的终极指南》PDF 免费下载
Python数据科学：关于使用Python处理数据的知识的终极指南
利用 Python 进行数据分析（原书第 2 版）免费下载
本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。第2版针对Python 3.6进行全面修订和更新，涵盖新版的pandas、NumPy、IPython和Jupyter，并增加大量实际案例，可以帮助你
《Python 数据科学入门》PDF 免费下载
《Python数据科学入门》以Python 语言讲解数据科学基础知识，涵盖了数据采集、清洗、存储、检索、转换、可视化、数据分析（网络分析）、统计和机器学习等内容。具体内容包括：数据科学的Python 核心特性，文本数据、数据库、表格形式的数值数据、series 和fr
如何在面试中解释关键机器学习算法
在准备数据科学中的面试时，必须清楚地了解各种机器学习模型-为每个现成的模型进行简要说明。在这里，我们通过强调要点来总结各种机器学习模型，以帮助您传达复杂的模型。
可视化数据科学中的概率分布以帮你更好地理解各种分布
在某些分布假设下，某些机器学习模型被设计为最佳工作。因此，了解我们正在使用哪个发行版可以帮助我们确定最适合使用哪些模型。
Scikit-Learn 中的特征排名与递归特征消除
本文介绍如何使用scikit-learn为您的机器学习项目获取最佳数量的特征。
每个数据科学家都应该知道的 5 个概念
一旦成为数据科学家，您在职业生涯的每一天都会应用某些技能。其中一些可能是您在学习期间学到的常见技术，而另一些可能只有在您在组织中建立更牢固的基础后才能充分发展。继续磨练这些技能将为您提供宝贵的专业利益。
最通俗易懂的——如何将机器学习模型的准确性从 80％提高到 90％以上
数据科学工作通常需要大幅度提高工作量才能提高所开发模型的准确性。这五个建议将有助于改善您的机器学习模型，并帮助您的项目达到其目标。
