使用 Python 进行数据分析

在本 Modulation 中，您将学习清理、转换和准备用于分析的数据的技术，从而提高使用 Python 处理数据的技能。您将使用真实世界的数据集来处理缺失值、格式化和规范化数据、二值化数值以及转换 Corical Data 变量。通过指导实验，您将在笔记本电脑和二手车定价数据集上应用这些技能。在整个学习过程中，您还将收到一份小抄作为快速参考。

在本 Modulation 中，您将掌握使用 Python 进行探索性数据分析 (EDA) 的基本技能。您将学习对数据执行计算，以计算基本的描述性统计信息，如均值、中位数、模式和 Quartile 值，并利用这些信息更好地理解数据的 Distribution。您将学习如何对数据进行分组以更好地 Visualization 模式，使用皮尔逊相关法比较两个连续的数值变量，以及应用 Chi-Square Test 评估分类变量之间的关联并解释结果。此外，您还将获得一份小抄，作为常用 EDA 功能和方法的快速参考。

在本模块中，您将探索使用 Python 进行数据分析的模型开发基础。您将学习如何构建、可视化和评估不同类型的 Regression 模型，包括简单线性、多重线性和多项式回归模型，以及简化工作流程的管道。您还将使用关键指标和可视化工具（如 Kernel 密度估计 (KDE) 图）解释模型性能。实践实验室将通过二手车和笔记本电脑定价等实用数据集强化您的学习。此外，小抄将作为构建和评估预测模型的快速参考。

在本 Module 中，您将通过学习如何评估、调整和选择模型以获得最佳性能来完善自己的预测建模技能。您将探索过拟合、欠拟合和使用 Grid Search 进行 Hyperparameter 调整等概念。您还将学习使用脊回归来规范化和减少标准误差，以防止回归模型过度拟合。通过动手实验，您将把这些技术应用于真实数据集，从而建立稳健、可泛化的模型。本书还附有小抄，指导您选择正确的工具和指标来优化模型。

在这个最后模块中，您将应用完整的数据分析 Workflow，从导入和清理数据到在真实世界数据集上构建和评估模型。您将完成一个实践练习项目和一个基于保险成本和房屋定价相关数据集的期末项目。在结业项目中，您将在一家投资住宅物业的房地产投资信托公司担任数据分析师。您将使用一个包含房价和各种房产 Feature 详细信息的数据集，您的任务是分析数据并预测住房市场价值。这些项目旨在巩固您的技能，为应对真实世界的数据分析挑战做好准备。此外，您还将提交一份最终项目笔记本供评估。您提交的材料将得到 AI 评分。最后，您将通过期末考试展示对关键数据分析概念的理解和应用。