iT邦幫忙

鐵人檔案

2021 iThome 鐵人賽
回列表
自我挑戰組

Python資料分析學習地圖 系列

從零開始如何利用Python來進行資料分析,依序紀錄 python 操作、資料視覺化、資料庫操作以及基礎機器學習知識和 Git 指令。

鐵人鍊成 | 共 30 篇文章 | 31 人訂閱 訂閱系列文 RSS系列文
DAY 11

Day 11 : psycopg2 操作

今天拉回 python 來介紹 psycopg2,這個套件可以跟 postgres 進行互動。我們依賴該套件對 postgres 進行操作,就可以把 sqlst...

DAY 12

Day 12 : 物件導向

在進入機器學習之前,想先大家深入了解一些 python 的進階操作。接下來的操作會有點抽象,請好好品嚐 回到主題,什麼是物件導向程式設計? 大家或多或少打開別人...

DAY 13

Day 13 : 程式除錯與異常

相信大家學到這邊一定有碰過各式大大小小的程式錯誤,遇到程式出錯很緊張怎麼辦TAT。這裡會衍生到時候我們將程式碼上線,即時做過很多次的測試,還是有可能遇到非預期的...

DAY 14

Day 14 : 程式碼日誌與品質

今天來探討怎麼留下程式碼紀錄和提升自己的程式碼品質。(終於快寫到一半了XDDD) 程式碼日誌 程式設計難免會有錯誤,為了要方便除錯和查詢,良好的程式設計應留下程...

DAY 15

Day 15 : 機器學習介紹

前半段講python講得差不多惹XDD 終於進入機器學習篇章(打開全新的一頁的感覺),接著讓我們好好地繼續學習吧 人工智慧的分級 扯到機器學習,不得先拉回比較宏...

DAY 16

Day 16 : 模型衡量指標

由於我們需要有指標來衡量一個模型的好壞,而問題可以粗略分成「分類」和「迴歸」問題。而根據不同的問題,我們所選用的衡量指標也會不同。 分類 關於分類問題,我們先介...

DAY 17

Day 17 : 模型前的資料處理 (1)

雖然好的模型和參數可以提高成效,但通常最關鍵還是資料本身。基本上資料的品質決定了八成以上模型的成效,因此大家有必要對自己的資料有所認識和了解。 而在做機器學習的...

DAY 18

Day 18 : 模型前的資料處理 (2)

接著昨天的資料處理繼續說明,今天來看看類別資料轉換、資料降維、資料切割、交叉驗證以及不不均衡的對應方法。OS:資料預處理真的很重要啊啊!! 5.類別資料轉換 由...

DAY 19

Day 19 : KNN 與 K-means

今天進入演算法的介紹,首先打頭陣介紹的是 KNN 與 K-means,兩者不太一樣。 KNN 是監督式學習演算法;K-means 是非監督式學習演算法 KNN...

DAY 20

Day 20 : 線性迴歸與羅吉斯迴歸

線性迴歸(Linear Regression) 如果我們有數據 (x, y) ,假設 x 是年資、y 是薪資,我們想找出其中的關聯 w 和 b (y = w...