这次,我们让小白也能懂——数据分析与挖掘之白话篇

浏览: 496

小善前两天打算了解一下行情,

打开了某招聘APP,搜索一些高薪的职业,

看到了很多类似这种的招聘需求:

emmm,上面要求了解基本的机器学习算法,

回归决策树巴拉巴拉。

我就好奇的去百度百科搜索了一下他们都是什么~

,大家一起感受一下!


回归:

指研究一组随机变量(Y1 ,Y2 ,…,Yi)和另一组(X1,X2,…,Xk)变量之间关系的统计分析方法,又称多重回归分析。通常Y1,Y2,…,Yi是因变量,X1、X2,…,Xk是自变量。

决策树:

在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3, C4.5和C5.0生成树算法使用熵。

这特么都是啥?!

说的是人话么!!!

为什么我听不懂?

所以我还是人吗?!

我再也不想转行了……

高薪工作就特么与我无缘!!!

小善就这样默默的委屈着,

质疑着自己的智商好久……

直到听了浩彬老撕的课,

终于遇到了一个“说人话”老师!

就说回归吧,什么是回归?


是不是很清晰!

那么回归可以干什么呢?

一个简单的一元线性回归就可以根据我现有的条件,

推算出一个未知的东西,

我知道了你的身高就能大致判断出你的体重,

我看到你的“发量”就能大致判断出你是否是资深程序员!

再来说决策树

决策树是什么?

决策树就是一颗用于决策的树!

打个比方,我在思考今天要不要去看电影!

我的心路历程如下:

这其实就是一颗决策树!

它会根据我们的数据形成一些条件,

然后根据条件作出一个判断的结果~

是不是其实很简单?

从零入门机器学习,数据科学家的养成之路。

最好玩最通俗易懂的机器学习课程!

小白学数据挖掘与机器学习

课程介绍:

过往当中,我们总是担心学习大数据既要掌握复杂的数学知识,也是熟悉编程技术。但本次课程将颠覆你以往的概念,本次课程不但包含了数学统计知识的传授,也囊括了机器学习的实践案例,最重要的是所有课时都将利用轻松的场景,把专业晦涩的数据科学知识及商业应用内容用通俗易懂的方式传授给大家。

在本次课程中,所有实践案例将结合IBM SPSS Modeler工具进行实现并提供样例学习,各位学员不需要花费大量时间去掌握一门新的编程语言,只需要通过图形化界面就能实现机器学习的常用算法,使大家能够把时间更加专注于商业问题的解决中。

课程特色:

通俗易懂:采用生活化的案例作为突破,漫画化方式深入浅出全面解析机器学习的算法理论知识,再使用实践案例进行巩固,大大降低初学者的入门门槛。;

内容丰富:理论知识上涵盖了主流的统计分析技术(t检验,相关分析,卡方检验等),机器学习算法(分类算法,聚类算法,关联规则,集成学习);

规划合理:实践案例中涵盖数据处理,数据探索,算法建模,模型评估等内容,涵盖整个数据挖掘的全流程;

配套视频课程全部免费,一共13大节(37小节共计超过660分钟),如学员在学习过程中有任何疑难或者建议,可以通过浩彬老撕公众号留言探讨。

主讲老师:

张浩彬,人称浩彬老撕,历任IBM大中华区商业智能事业部SPSS分析工程师,认知解决方案事业部数据分析专家,现任广东柯内特环境科技有限公司首席数据科学家,致力以通俗化的方式分享机器学习及SPSS技术,专注于人工智能技术与应用。

适合人群:

• 对数据分析,数据挖掘感兴趣的在校学生或初学者;

• 希望未来从事或转型称为数据分析或数据挖掘的学生或在职人士;

• 需要快速利用SPSS Modeler完成特定分析任务的职场人士;

• 需要经常与数据打交道的市场营销,产品运营及产品经理;

期望效果:

通过本次书籍及视频课程的学习,希望各位学员能够深入了解CRISP—DM数据挖掘方法论,能够根据科学的数据挖掘流程开展工作。熟悉并掌握常用的机器学习算法(回归,分类,聚类,关联规则),能够熟练使用IBM SPSS Modeler工具进行日常数据分析以及数据挖掘,能够利用相关数据分析技术进行商业知识的提取,相信这将为大家的职场生涯如虎添翼。

课程大纲:

数据挖掘那些事儿

数据挖掘之利器:SPSS Modeler

巧妇难为无米之炊:数据,数据!

一点都不简单的描述性统计分析

何为足够大的差异,常用的统计检验

从身高和体重的关系谈起,回归分析

回归岂止那么简单,回归模型的进一步扩展

模型评估那些事儿:过拟合与欠拟合

从看电影的思考到决策树的生成

人工神经网络,从人脑神经元开始

物以类聚,人与群分的聚类分析

啤酒+尿布=关联分析

三个臭皮匠,赛过诸葛亮:集成学习算法

数据挖掘那些事儿(试听)

另外,我们还在课程公告栏中为您准备了数据挖掘&机器学习书籍资料大礼包~精选领域内豆瓣高分书籍,另有吴恩达全面学习资料与笔记等内容涵盖其中!让您在课程基础上更加深入的学习和钻研!

以上课程及资料通通限时免费领取!

点击阅读原文扫描下图二维码即可免费抱回家

推荐 0
本文由 人工智能爱好者社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册