第2章 理论基础 自主学习报告

目录

一、数据科学的学科地位

二、统计学

三、机器学习 

四、数据可视化

---

一、数据科学的学科地位

1.数据科学的定义

 2.数据科学与其他学科的区别

3.数据科学的学科定位

二、统计学

1.统计方法的基本类型

 2.基于python的统计建模流程

a.数据的读入

b.数据的理解

c.数据的规整化处理

d.模型的训练

e.模型的解读与评价

f.模型的优化和重新选择

g.模型假定的分析与讨论

三、机器学习 

1.常用的机器学习算法

	有监督	无监督
连续型	聚类与维度下降        SDV         PCA         K-Means	回归      线性回归      多项式回归 决策树 随机森林
分类型	关联分析       Apriori       FP-Growth        隐马尔可夫模型	分类      KNN      逻辑回归      朴素贝叶斯      SVM

2.python编程步骤

（1）数据的读入

（2）数据理解

（3）数据规整化处理

（4）数据建模

（5）模型评估

（6）模型预测

（7）结果显示

四、数据可视化

1.相对统计学，数据可视化主要有以下两方面优势：

（1）数据可视化处理可以洞察统计分析无法发现的结构和细节

（2）数据可视化处理结果的解读对用户知识水平要求较低

2.Tableau与VizQL技术

欢迎分享，转载请注明来源：内存溢出

原文地址:https://54852.com/langs/923460.html