python机器学习-乳腺癌细胞挖掘

课程概述

Toby，持牌照金融公司担任模型验证专家,国内最大医药数据中心数据挖掘部门负责人！此课程讲述如何运用python的sklearn快速建立机器学习模型。课程结合美国威斯康辛乳腺癌细胞临床数据，实操演练，建立癌细胞预测分类器。

课程讲述十大经典机器学习算法：逻辑回归，支持向量，KNN,神经网络，随机森林，xgboost,lightGBM,catboost。这些算法模型可以应用于各个领域数据。

课程耗费三年时间，360度无死角的讲述整个模型开发周期，非市场上快餐教学。教程包括数据获取，数据预处理，变量筛选，模型筛选，模型评估，模型调参。

本视频系列通俗易懂，课程针对学生和科研机构，python爱好者。本视频教程系列有完整python代码，观众看后可以下载实际操作。这些模型代码可为中小型企业提供解决方案。

目录

章节1:癌症常识

课时1警钟长鸣！癌症就在你身边11:00

课时2癌症科普介绍23:05

课时3病毒细菌诱发的癌症20:43

课时4祸从口入-致癌食物大揭秘08:37

课时5Python机器学习挖掘癌细胞概述13:11

章节2:sklearn编程环境搭建

课时6Python非官方扩展包下载地址02:21

课时7python第三方包安装(pip和conda install) 02:48

课时8Anaconda下载安装07:02

课时9Canopy下载和安装03:47

章节3:sklearn机器学习基础知识

课时10机器学习数据库介绍02:19

课时11机器学习书籍推荐02:59

课时12Python数据科学常用的包13:14

课时13如何选择模型03:57

课时14sklearn算法速查表02:29

课时15sklearn建模基础代码18:19

课时16python数据科学入门介绍（选修）55:15

章节4:获取乳腺癌临床数据

课时17数据获取-乳腺癌细胞临床数据07:06

章节5:变量筛选和描述性统计

课时18因子分析-解释癌细胞特征33:24

课时19变量筛选1-模型法11:50

课时20变量筛选2-比例法percentile07:04

课时21变量筛选3-方差法（推荐）06:36

课时22变量筛选4-KBest01:59

章节6:十大经典机器学习算法-建立乳腺癌细胞分类器

课时23逻辑回归logistic regression27:17

课时24支持向量SVM13:48

课时25KNN最近邻算法13:38

课时26决策树-decision tree21:59

课时27随机森林-random forest14:02

课时28神经网络neural network17:07

课时29xgboost12:27

课时30lightGBM03:51

课时31catboost07:08

课时32算法优劣对比10:52

课时33bagging VS boosting05:51

章节7:数据预处理

课时34pandasl数据处理基础知识15:50

课时35哑变量处理-hotcode热编码06:14

课时36imputer-缺失数据处理04:49

课时37scale-数据标准化处理12:13

章节8:模型调参

课时38遍历调参法05:15

课时39网格调参106:10

课时40网格调参204:26

课时41随机网格调参02:29

章节9:模型验证

课时42交叉验证cross validation03:45

课时43模型验证前言12:15

课时44混淆矩阵14:16

课时45ROC曲线11:57

课时46PSI（population stability index）10:20

课时47基尼系数GINI index25:16

课时48KS（kolmogorov-smirnoff）06:51

章节10:附录

课时49视频教程python脚本下载网址需购买观看

课时50显微镜下癌细胞