课程目录：

├── 1.1-1课程导学(P1).mp4
├── 10.3-4 抽样理论(P10).mp4
├── 100.9-7【Matploblib库】画板样式设置和保存图片(P100).mp4
├── 102.10-1【Matploblib库】条形图-垂直条形图的绘制(P102).mp4
├── 103.10-2【Matploblib库】条形图-横向条形图的绘制(P103).mp4
├── 104.10-3【Matploblib库】条形图-分组条形图的绘制(P104).mp4
├── 105.10-4【Matploblib库】条形图-堆叠条形图的绘制(P105).mp4
├── 106.10-5【Matploblib库】直方图-直方图的绘制(P106).mp4
├── 107.11-1【Matploblib库】散点图-散点图的绘制(P107).mp4
├── 11.3-5 编码实现(P11).mp4
├── 110.11-4【Matploblib库】饼图-饼图的绘制(P110).mp4
├── 111.11-5【Matploblib库】作业-饼图的作业要求(P111).mp4
├── 112.11-6【Matploblib库】箱线图-箱线图详解(P112).mp4
├── 114.11-8【Matploblib库】雷达图-雷达图的绘制(P114).mp4
├── 115.12-1【Matploblib库】matplotlib图结构分析(P115).mp4
├── 116.12-2【Matploblib库】Axes对象讲解(P116).mp4
├── 117.12-3【Matploblib库】Axis对象讲解(P117).mp4
├── 119.12-5【Matploblib库】多子图调整布局(P119).mp4
├── 12.3-6 数据分类(P12).mp4
├── 120.12-6【Matploblib库】自定义多图布局(P120).mp4
├── 121.12-7【Matploblib库】散点图直方图综合案例(P121).mp4
├── 122.12-8【Matploblib库】rcParams配置详解(P122).mp4
├── 123.13-1【Seaborn库】关系图-散点图的绘制(P123).mp4
├── 124.13-2【Seaborn库】关系图-折线图的绘制(P124).mp4
├── 125.13-3【Seaborn库】分类图-分类散点图的绘制(P125).mp4
├── 127.13-5【Seaborn库】分类图-分类统计图的绘制(P127).mp4
├── 128.13-6【Seaborn库】分布图-单一变量分布图的绘制(P128).mp4
├── 13.3-7 异常值分析(P13).mp4
├── 130.13-8【Seaborn库】分布图-pairplot分布图的绘制(P130).mp4
├── 131.13-9【Seaborn库】线性回归-线性回归图的绘制(P131).mp4
├── 132.13-10【Seaborn库】FacetGrid绘图-Facet(P132).mp4
├── 133.13-11【Seaborn库】FacetGrid绘图-Facet(P133).mp4
├── 134.13-12【Seaborn库】FacetGrid绘图-Facet(P134).mp4
├── 135.13-13【Seaborn库】seaborn样式和风格设置(P135).mp4
├── 136.13-14【Seaborn库】调色盘-调色盘的使用和定性调色盘(P136).mp4
├── 137.13-15【Seaborn库】调色盘-连续和离散调色盘(P137).mp4
├── 138.14-1【pyecharts】pyecharts介绍(P138).mp4
├── 139.14-2【pyecharts】pyecharts快速入门(P139).mp4
├── 140.14-3【pyecharts】绘图配置项数据准备(P140).mp4
├── 141.14-4【pyecharts】绘图配置项讲解(P141).mp4
├── 142.14-5【pyecharts】绘图配置项讲解（2）(P142).mp4
├── 143.14-6【pyecharts】条形图的绘制(P143).mp4
├── 144.14-7【pyecharts】箱线图的绘制(P144).mp4
├── 145.14-8【pyecharts】地图的绘制(P145).mp4
├── 146.15-1【机器学习】认识机器学习(P146).mp4
├── 147.15-2【机器学习】scikit-learn库介绍(P147).mp4
├── 148.15-3【机器学习】算法介绍(P148).mp4
├── 15.3-9 结构分析(P15).mp4
├── 150.15-5【机器学习】K近邻算法原理(P150).mp4
├── 151.15-6【机器学习】使用sklearn实现K近邻(P151).mp4
├── 152.15-7【机器学习】K近邻预测约会是否受欢迎(P152).mp4
├── 153.15-8【机器学习】标准化原理和代码实现(P153).mp4
├── 154.15-9【机器学习】K近邻总结和作业(P154).mp4
├── 155.16-1【机器学习】朴素贝叶斯公式详解(P155).mp4
├── 156.16-2【机器学习】朴素贝叶斯文档分类原理(P156).mp4
├── 157.16-3【机器学习】特征抽取-CountVectorizer(P157).mp4
├── 158.16-4【机器学习】朴素贝叶斯文章分类实战(P158).mp4
├── 161.16-7【机器学习】决策树之信息熵(P161).mp4
├── 164.16-10【机器学习】决策树之算法选择（ID3，C4.5，CAR(P164).mp4
├── 166.16-12【机器学习】实战-泰坦尼克号获救预测（1）(P166).mp4
├── 167.16-13【机器学习】实战-泰坦尼克号获救预测（2）(P167).mp4
├── 168.16-14【机器学习】决策树的绘制(P168).mp4
├── 169.16-15【机器学习】随机森林原理(P169).mp4
├── 17.3-11 Satisfaction Level的分析(P17).mp4
├── 170.16-16【机器学习】sklearn实现随机森林(P170).mp4
├── 171.17-1【机器学习】线性回归通俗解释(P171).mp4
├── 173.17-3【机器学习】线性回归推导-求解对象转换(P173).mp4
├── 174.17-4【机器学习】线性回归推导-似然函数(P174).mp4
├── 175.17-5【机器学习】线性回归推导-梯度下降(P175).mp4
├── 176.17-6【机器学习】线性回归预测波士顿房价(P176).mp4
├── 177.17-7【机器学习】正则化和岭回归(P177).mp4
├── 178.17-8【机器学习】逻辑回归原理(P178).mp4
├── 179.17-9【机器学习】逻辑回归预测是否患癌症(P179).mp4
├── 18.3-12 LastEvaluation的分析(P18).mp4
├── 180.17-10【机器学习】精确率和召回率(P180).mp4
├── 181.18-1【机器学习】特征工程-字典特征抽取(P181).mp4
├── 182.18-2【机器学习】特征工程-文本特征抽取和jieba分词(P182).mp4
├── 183.18-3【机器学习】特征工程-TFIDF特征抽取(P183).mp4
├── 184.18-4【机器学习】特征工程-归一化(P184).mp4
├── 185.18-5【机器学习】特征工程-标准化(P185).mp4
├── 186.18-6【机器学习】特征工程-缺失值处理(P186).mp4
├── 188.18-8【机器学习】特征工程-PCA原理分析(P188).mp4
├── 189.18-9【机器学习】特征工程-PCA实例(P189).mp4
├── 191.19-2【项目实战】Airbnb数据集-房屋数据预处理(P191).mp4
├── 193.19-4【项目实战】Airbnb数据集-房间类型和社区对比分析(P193).mp4
├── 194.19-5【项目实战】Airbnb数据集-房东房源数量分析(P194).mp4
├── 195.19-6【项目实战】Airbnb数据集-评论数量与时间分析(P195).mp4
├── 196.19-7【项目实战】Airbnb数据集-评论数量与时间综合分析(P196).mp4
├── 197.19-8【项目实战】Airbnb数据集-房屋价格预测（1）(P197).mp4
├── 198.19-9【项目实战】Airbnb数据集-房屋价格预测（2）(P198).mp4
├── 199.19-10【项目实战】Airbnb数据集-评论数量预测(P199).mp4
├── 2.1-2数据分析概述(P2).mp4
├── 20.3-14 AverageMonthlyHours的分析(P20).mp4
├── 200.19-11【项目实战】Airbnb数据集-预测结果可视化(P200).mp4
├── 21.3-15 TimeSpendCompany的分析(P21).mp4
├── 22.3-16 WorkAccident的分析(P22).mp4
├── 24.3-18 PromotionLast5Years的分析(P24).mp4
├── 26.3-20 Department的分析(P26).mp4
├── 27.3-21 简单对比分析操作(P27).mp4
├── 28.3-22 可视化-柱状图(P28).mp4
├── 3.2-1 数据仓库(P3).mp4
├── 30.3-25 可视化-折线图(P30).mp4
├── 31.3-26 可视化-饼图(P31).mp4
├── 32.3-27 本章小结(P32).mp4
├── 33.4-1 假设检验(P33).mp4
├── 36.4-4 相关系数(P36).mp4
├── 37.4-5 线性回归(P37).mp4
├── 39.4-7 编码实现(P39).mp4
├── 40.4-8 交叉分析方法与实现(P40).mp4
├── 42.4-10 相关分析与实现(P42).mp4
├── 43.4-11 因子分析与实现(P43).mp4
├── 44.4-12 本章小结(P44).mp4
├── 45.5-1 特征工程概述(P45).mp4
├── 46.5-2 数据样本采集(P46).mp4
├── 47.5-3 异常值处理(P47).mp4
├── 48.5-4 标注(P48).mp4
├── 49.5-5 特征选择(P49).mp4
├── 5.2-3 填写、埋点、日志、计算(P5).mp4
├── 50.5-6 特征变换-对指化(P50).mp4
├── 51.5-7 特征变换-离散化(P51).mp4
├── 52.5-8 特征变换-归一化与标准化(P52).mp4
├── 54.5-10 特征变换-正规化(P54).mp4
├── 55.5-11 特征降维-LDA(P55).mp4
├── 56.5-12 特征衍生(P56).mp4
├── 57.5-13 HR表的特征预处理-1(P57).mp4
├── 58.5-14 HR表的特征预处理-2(P58).mp4
├── 6.2-4 数据学习网站(P6).mp4
├── 60.6-1 机器学习与数据建模(P60).mp4
├── 61.6-2 训练集、验证集、测试集(P61).mp4
├── 62.6-3 分类-KNN(P62).mp4
├── 64.6-5 分类-决策树(P64).mp4
├── 65.6-6 分类-支持向量机(P65).mp4
├── 66.6-7 分类-集成-随机森林(P66).mp4
├── 67.6-8 分类-集成-Adaboost(P67).mp4
├── 68.6-9 回归-线性回归(P68).mp4
├── 69.6-10 回归-分类-逻辑回归(P69).mp4
├── 7.3-1 数据案例介绍(P7).mp4
├── 70.6-11 回归-分类-人工神经网络-1(P70).mp4
├── 71.6-12 回归-分类-人工神经网络-2(P71).mp4
├── 72.6-13 回归-回归树与提升树(P72).mp4
├── 73.6-14 聚类-Kmeans-1(P73).mp4
├── 75.6-16 聚类-DBSCAN(P75).mp4
├── 76.6-17 聚类-层次聚类(P76).mp4
├── 77.6-18 聚类-图分裂(P77).mp4
├── 79.6-20 关联-关联规则-2(P79).mp4
├── 80.6-21 半监督-标签传播算法(P80).mp4
├── 82.7-1 分类评估-混淆矩阵(P82).mp4
├── 83.7-2 分类评估-ROC、AUC、提升图与KS图(P83).mp4
├── 84.7-3 回归评估(P84).mp4
├── 85.7-4 非监督评估(P85).mp4
├── 86.7-2 课程回顾与多角度看数据分析(P86).mp4
├── 87.8-1【Pandas库】数据规整—层次化索引(P87).mp4
├── 88.8-2【Pandas库】数据规整—数据连接(P88).mp4
├── 9.3-3 数据分布–偏态与峰度(P9).mp4
├── 90.8-4【Pandas库】数据规整—重塑层次化索引(P90).mp4
├── 91.8-5【Pandas库】数据规整—轴向旋转(P91).mp4
├── 92.8-6【Pandas库】数据分组和聚合(P92).mp4
├── 93.8-7【Pandas库】数据分组和聚合—补充(P93).mp4
├── 94.9-1【Matploblib库】数据分析中的常用图剖析(P94).mp4
├── 95.9-2【Matploblib库】matplotlib基本使用(P95).mp4
├── 98.9-5【Matploblib库】设置轴刻度和文本显示(P98).mp4
└── 99.9-6【Matploblib库】设置marker和注释文本(P99).mp4