如果没有合适的EDA,机器学习工作就会受到准确性问题的困扰,并且很多时候,算法不会工作。什么是探索性数据分析?数据科学家使用探索性数据分析(EDA)来分析和调查数据集并总结其主要特征,通常采用数据可视化方法。加油,热情的考生们,繁荣你的知识,刷刷你的技能,Exploratory Data Analysis In Data Science & AI

EDA的行业相关知识是中级以及专家级爱好者的关键

你会学到什么
探索性数据分析思维导图和概念、理论以及实践
机器学习中的EDA
数据科学人工智能中的EDA
关于行业相关技能以及理论和概念清晰性的实践教程

MP4 |视频:h264,1280×720 |音频:AAC,44.1 KHz,2声道
语言:英语+中英文字幕(云桥网络机译)|时长:8节课(1小时20分钟)|大小:1.28 GB

要求
Python编程语言、Excel和机器学习的基础知识

设置背景

在开始机器学习项目之前,确保数据为建模工作做好准备是很重要的。探索性数据分析(EDA)确保数据为机器学习做好准备。EDA确保了数据的可用性。如果没有合适的EDA,机器学习工作就会受到准确性问题的困扰,并且很多时候,算法不会工作。

什么是探索性数据分析?

数据科学家使用探索性数据分析(EDA)来分析和调查数据集并总结其主要特征,通常采用数据可视化方法。它有助于确定如何最好地操纵数据源以获得您需要的答案,使数据科学家更容易发现模式、发现异常、测试假设或检查假设。

EDA主要用于查看除了正式建模或假设测试任务之外,数据还能揭示什么,并提供对数据集变量及其之间关系的更好理解。它还可以帮助确定您考虑用于数据分析的统计技术是否合适。

为什么探索性数据分析在数据科学中很重要?

EDA的主要目的是帮助在做出任何假设之前查看数据。它可以帮助识别明显的错误,以及更好地理解数据中的模式,检测异常值或异常事件,并找到变量之间有趣的关系。

数据科学家可以使用探索性分析来确保他们产生的结果是有效的,并且适用于任何期望的业务成果和目标。EDA还通过确认利益相关者提出了正确的问题来帮助他们。EDA可以帮助回答关于标准差、分类变量和置信区间的问题。

使用的编程语言

Python:一种带有动态语义的解释型面向对象编程语言。它的高级内置数据结构与动态类型和动态绑定相结合,使它非常适合快速应用程序开发,以及用作连接现有组件的脚本语言或粘合语言。Python和EDA可以一起使用来识别数据集中的缺失值,这很重要,因此您可以决定如何处理机器学习的缺失值。

本课程涵盖哪些内容?

本课程将教你探索性数据分析的技术和方法,这将帮助你从数据中获取最大价值。如果你在没有做EDA的情况下就投入机器学习,除了以较低的准确率结束之外,你还会让自己失败。本课程由人工智能和技术领域的资深人士设计,直接从烤箱中为您呈现!

这门课程是给谁的
新手
专家
学生
内行
Python开发者
数据科学家
软件开发人员

隐藏内容: ********, 支付¥5下载