Python数据预处理(四)- 特征降维与可视化 /
伏草惟存
1、掌握词特征降维与主题模型 2、掌握词典模型、特征向量模型与主题模型构造方法 3、掌握可视化技术
 
  • 课程目录
  • 课程介绍
  • 1-1数据降维与PCA介绍(06:47)

  • 1-2加载二维坐标系数据(05:44)

  • 1-3PCA算法实现(1)(08:15)

  • 1-4PCA算法实现(2)(13:05)

  • 1-5PCA降维数据可视化(07:39)

  • 1-6处理缺失值的新闻数据(11:25)

  • 1-7特征数据主成分分析(1)(07:10)

  • 1-8特征数据主成分分析(2)(07:56)

  • 1-9PCA技术实现新闻文本特征降维(14:54)

  • 2-1matplotlib简介(03:49)

  • 2-2matplotlib绘制直方图(06:36)

  • 2-3matplotlib绘制复杂气温图(11:26)

  • 2-4matplotlib绘制梯度下降图(1)(13:08)

  • 2-5matplotlib绘制梯度下降图(2)(03:34)

  • 2-6matplotlib绘制3D散点图(10:38)

简介:本课介绍数据预处理过程体系,包括数据类型与采集、文本转化与抽取、数据集成与规约、中文分词、数据清洗、特征提取与变换、特征向量化、特征降维、特征选择、可视化、词典模型、TF-IDF向量模型、主题模型等。