我的學習目錄
一，數據處理
Pandas 數據處理
- 不定期更新
二，機器學習
強力推薦：Python之Sklearn使用教程
sklearn提供的數據集：sklearn.datasets
上課進度及練習
傳送門：致理大樓 816
應用部分
生成自己的數據集
廣義線性模型
傳送門：廣義線性模型 - sklearn使用說明
傳送門：sklearn中的迴歸算法
內容預覽：
- 提取乳癌數據
— 包含數據集與測試集的拆分 - 線性迴歸
- 嶺迴歸
- 邏輯迴歸
交叉驗證：評估估算器的表現
傳送門：交叉驗證：評估估算器的表現 - sklearn的使用方法
傳送門：sklearn中的交叉驗證
計算 f1_score
傳送門：sklearn.metrics.f1_score 使用方法
數據降維
特徵選擇
- scipy.stats.pearsonr - 皮爾森相關係數
- 特徵選擇 - SelectKBest
- 特徵選擇 - SelectPercentile
- 特徵選擇 - SelectFromModel（根據重要性權重選擇特徵）
- 特徵選擇過濾器 - f_classif（計算提樣本的ANOVA F值）
- 特徵選擇過濾器 - f_regression（單變量線性迴歸測試）
- 特徵選擇過濾器 - mutual_info_regression（連續目標變量的互信息）
- 特徵選擇過濾器 -mutual_info_classif（離散目標變量的互信息）
- 特徵選擇過濾器 -chi2（卡方統計量）
1，k - 鄰近算法
傳送門：使用sklearn中提供的k鄰近算法
內容預覽：
- 如何從sklearn中引入數據
- 將數據分爲訓練集和測試集（train_test_split）
- 使用sklearn中的kNN
- 網格搜索（GridSearchCV）
- 歸一化（StandardScaler）
傳送門：實現knn算法
2，線性迴歸
傳送門：實現線性迴歸算法
內容預覽：
- 簡單線性迴歸實現
- 多元線性迴歸算法
傳送門：線性迴歸實戰（書P136）
內容預覽：
- 局部加權線性迴歸
- 預測鮑魚年齡
傳送門：使用sklearn中提供的線性迴歸算法
內容預覽：
- kNNRegressor中的線性迴歸算法
- 使用梯度下降法訓練的線性迴歸函數
傳送門：梯度下降法
內容預覽：
- 使用梯度下降訓練線性迴歸算法
- 使用sklearn中的SGD方法
3，決策樹
傳送門：決策樹 / 分類樹（書P33）
內容預覽：
- 決策樹的實現
- sklearn中決策樹的使用
4，樸素貝葉斯算法
傳送門：樸素貝葉斯算法（書P53）
內容預覽：
- sklearn中樸素貝葉斯算法的使用
- 樸素貝葉斯之鳶尾花數據實驗（算法實現）
- 使用樸素貝葉斯進行文檔分類（算法實現）
- 拉布拉斯平滑
5，邏輯迴歸
傳送門：邏輯迴歸（書P73）
內容預覽：
- 邏輯迴歸/ 定義、損失函數、正則化
- 梯度下降法
- 梯度下降法求解邏輯迴歸
- 實例：從疝氣病症預測病馬死亡率
6，聚類 - sklearn中的使用
傳送門：聚類 - sklearn中的使用方法
內容預覽：
- 聚類方法概述
- K-means
2.1. 小批量 K-Means - Affinity Propagation
- Mean Shift
- 層次聚類
5.1. 不同連接類型 - DBSCAN
三，數據庫（SQL）
0，示例模式圖
傳送門：示例模式圖
爲了方便對照，所以單獨寫了出來！
內容預覽：
- 大學數據庫示例
- 銀行數據庫示例
1，數據庫系統原理
傳送門：數據庫系統原理
內容預覽：
- 數據庫與數據庫管理系統定義
- 數據視圖（View of Data）
- 數據模型
- 數據庫語言
- 數據庫引擎（Database Engine）
- 數據庫體系結構（Database Architecture）
- 應用程序體系結構（Database Applications）
- 關係和關係模式
- 鍵（Keys）
- 關係查詢語言（Relational Query Languages）
- 空值（null）
- 數據庫的修改
2，SQL語言
傳送門：SQL語言（一）
內容預覽：
- 基本模式定義
- 基本查詢結構
- 嵌套子查詢（Nested Subqueries）
- 數據庫的修改
傳送門：SQL語言（二）
內容預覽：
- 視圖（View）
- 索引（Index）
傳送門：SQL語言（三）
內容預覽：
- 事務（transaction）
- 完整性約束
- 斷言（Assertion）
- 觸發器（Trigger）
- 數據安全性
- 審計跟蹤（Audit trail）
傳送門：SQL語言（四）
內容預覽：
- 嵌入式SQL
- 開放數據庫互連（ODBC）
傳送門：數據庫設計和E-R(實體關係)模型
內容預覽：
- 實體集
- 聯繫集
- 映射基數
- 鍵、碼
- 約束
- 實體關係模型（Entity Relationship Model）
- 擴展的E-R特性
- E-R模式設計
- 例：大學數據庫的設計
- E-R模式到表的轉換
四，數據結構與演算法
1，算法與算法分析
傳送門：算法與算法分析
內容預覽：
- 算法
- 漸進表示法（Asymptotic notation）
- 算法分析
2，樹
傳送門：演算法 - 樹
內容預覽：
- 樹和二叉樹的定義
- 樹的基本術語
- 二叉樹
3，排序
傳送門：演算法 - 排序
內容預覽：
- 插入排序（Insertion-Sort）
- 交換排序
- 選擇排序（Selection Sort）
- 歸併排序（Merge Sort）
- 基數排序（Radix sort）
- 計數排序（Counting sort）
- 桶排序（Bucket sort）
- 各種排序方法比較
4，分治法（Divide-and-Conquer）
傳送門：演算法 - 分治法（Divide-and-Conquer）
內容預覽：
- Divide-and-Conquer（分治法）
- Recurrences（遞歸）
- Divide-and-Conquer使用時機
- 遞迴演算法則的設計
5，圖及其圖的應用
傳送門：圖的基本概念及圖演算法
- 圖的定義的基本術語
- 深度優先搜索（DFS）
- 廣度優先搜索（BFS）
更多關於圖的應用：