Day 1 [Python ML] 30天内容介绍

简介

之前在kaggle上面学习到了很多Python应用在Machine Learning的方法
对於英文没有那麽好的我来说，学得有点吃力
想说可以利用这次的机会将之前的笔记整理好，并且全部翻译成中文
如果之後遇到问题，或不知道要怎麽做的话，就可以查自己的铁人赛笔记了

30天规划

• Day 2 [Python ML] 基础资料处理
• Day 3 [Python ML] 选择建模用的资料(DecisionTree)
• Day 4 [Python ML] 模型验证
• Day 5 [Python ML] 欠拟合(Underfitting)和过拟合(Overfitting)
• Day 6 [Python ML] 随机森林(Random Forests)演算法
• Day 7 [Python ML] Machine Learning的处理流程
• Day 8 [Python ML、特徵工程] 基准模型(Baseline Model)
• Day 9 [Python ML、特徵工程] 分类工程
• Day 10 [Python ML、特徵工程] 特徵生成
• Day 11 [Python ML、特徵工程] 特徵选择
• Day 12 [Python ML、特徵工程] 特徵工程整理
• Day 13 [Python ML、Pandas] 创建、读取和写入
• Day 14 [Python ML、Pandas] 引索、选择和给值
• Day 15 [Python ML、Pandas] 统整资料和Maps
• Day 16 [Python ML、Pandas] 组成群组合排序
• Day 17 [Python ML、Pandas] 资料类型和遗失值
• Day 18 [Python ML、Pandas] 重新命名和整合
• Day 19 [Python ML、资料视觉化] Seaborn介绍
• Day 20 [Python ML、资料视觉化] 折线图
• Day 21 [Python ML、资料视觉化] 长条图和热度图
• Day 22 [Python ML、资料视觉化] 散布图
• Day 23 [Python ML、资料视觉化] 直方图、密度图
• Day 24 [Python ML、资料视觉化] 如何选择图表型态
• Day 25 [Python ML、资料清理] 处理遗失值
• Day 26 [Python ML、资料清理] 资料缩放以及标准化
• Day 27 [Python ML、资料清理] 处理资料中的时间
• Day 28 [Python ML、资料清理] 处理字元编码
• Day 29 [Python ML、资料清理] 处理输入资料不一致