Python数据分析实战：统计模型
¥299.9
体系课
Python数据分析实战：统计模型
- 数据挖掘与分析
全面掌握统计模型，通过多项训练，提升数据建模能力
讲师：
张文彤
最后更新：2023年02月
课程难度
你将收获
- 学习掌握各种统计/数据挖掘模型
- 同时可以掌握学习这些模型在sklearn和statsmodels中的实现
- 提升专业的数据处理能力
数千家企业正在使用三节课企业版学习
无限制学习5000+门课程，200+精选学习专题
课程介绍
系统介绍方差分析模型、回归模型、logistic回归等各种经典统计模型，以及树模型、神经网络、支持向量机、最近邻方法等各种现代数据挖掘模型的算法原理，模型优缺点，适用条件及考查方式，并学习这些模型在sklearn和statsmodels中的具体实现方法。
本课程为统计原理与操作并重，在详细阐明各种模型算法特点的基础上，再对这些方法的python实现进行学习。
学习完本课程后，学员将能够独立使用sklearn和statsmodels拟合各种统计模型，满足实际研究工作或数据挖掘项目中的建模需求。
适合人群
- 转行大数据处理的小伙伴
- 想要深入学习数据建模的同学
- 适合企业中高级数据分析师提升硬技能
讲师介绍
课程大纲
共0节 时长0分钟
全部收起
第1章 统计模型课程概述
共4节 | 48分钟
- 1-1 课程内容介绍14分钟
- 1-2 statsmodels基本操作入门7分钟
- 1-3 使用sklearn的样本数据集8分钟
- 1-4 sklearn基本操作入门19分钟
第2章 方差分析模型
共7节 | 1小时53分钟
- 2-1 一般线性模型概述15分钟
- 2-2 简单一般线性模型的拟合16分钟
- 2-3 均数两两比较方法的选择18分钟
- 2-4 均数两两比较法的实现11分钟
- 2-5 多因素方差分析模型的基本框架22分钟
- 2-6 多因素方差分析的实现12分钟
- 2-7 模型框架下的自定义检验19分钟
第3章 线性回归模型
共9节 | 2小时5分钟
- 3-1 线性回归模型概述16分钟
- 3-2 线性回归模型的适用条件15分钟
- 3-3 线性回归标准建模步骤23分钟
- 3-4 用statsmodels拟合回归模型17分钟
- 3-5 残差分析8分钟
- 3-6 回归模型的多变量筛选方法19分钟
- 3-7 多变量筛选的具体操作8分钟
- 3-8 最小角回归13分钟
- 3-9 线性回归的sklearn实现6分钟
第4章 线性回归衍的生模式
共11节 | 2小时15分钟
- 4-1 曲线直线化9分钟
- 4-2 多项式回归8分钟
- 4-3 强影响点的识别与处理15分钟
- 4-4 稳健回归11分钟
- 4-5 共线性的识别与处理17分钟
- 4-6 岭回归22分钟
- 4-7 LASSO回归与弹性网络14分钟
- 4-8 方差不齐的识别与处理11分钟
- 4-9 加权最小二乘法10分钟
- 4-10 残差非独立的识别与处理8分钟
- 4-11 自回归模型9分钟
第5章 logitsic回归
共7节 | 1小时35分钟
- 5-1 Logistic回归模型的基本概念17分钟
- 5-2 Logistic回归模型的适用条件12分钟
- 5-3 两分类logit的statsmodels实现12分钟
- 5-4 logistic模型中的检验方法13分钟
- 5-5 哑变量的使用-114分钟
- 5-6 哑变量的使用-210分钟
- 5-7 多分类因变量的Logistic回归模型17分钟
第6章 决策树模型
共7节 | 1小时34分钟
- 6-1 树模型的基本概念15分钟
- 6-2 树模型的信息量计算9分钟
- 6-3 树模型的各种算法16分钟
- 6-4 树模型的sklearn实现12分钟
- 6-5 随机森林15分钟
- 6-6 Aboost方法12分钟
- 6-7 GBDT方法介绍16分钟
第7章 神经网络
共6节 | 1小时19分钟
- 7-1 神经网络的基本原理16分钟
- 7-2 神经网络的算法实质11分钟
- 7-3 神经网络的sklearn实现12分钟
- 7-4 RBFN、RNN、LSTM与与CNN网络14分钟
- 7-5 SOM与RBM网络7分钟
- 7-6 神经网络的超参数调整19分钟
第8章 支持向量机
共7节 | 1小时22分钟
- 8-1 SVM的基本原理14分钟
- 8-2 SVM的核函数设定18分钟
- 8-3 SVM的分类操作9分钟
- 8-4 SVM回归9分钟
- 8-5 异常值检测的基本理论12分钟
- 8-6 新奇值发现9分钟
- 8-7 模型参数的优化12分钟
第9章 主成分分析与因子分析
共6节 | 1小时29分钟
- 9-1 主成分分析的基本原理17分钟
- 9-2 主成分分析的statsmodels实现14分钟
- 9-3 主成分分析的sklearn实现11分钟
- 9-4 因子分析的基本原理23分钟
- 9-5 因子分析的statsmodels实现12分钟
- 9-6 因子旋转12分钟
第10章 聚类分析
共9节 | 1小时48分钟
- 10-1 聚类分析概述15分钟
- 10-2 聚类分析的方法分类10分钟
- 10-3 聚类分析的注意事项10分钟
- 10-4 K均值聚类14分钟
- 10-5 均值偏移聚类9分钟
- 10-6 层次聚类13分钟
- 10-7 birch聚类16分钟
- 10-8 DBSCAN聚类14分钟
- 10-9 聚类结果的验证7分钟
第11章 最近邻分析
共3节 | 27分钟
- 11-1 KNN的基本原理14分钟
- 11-2 KNN分类的操作6分钟
- 11-3 KNN回归与无监督KNN7分钟
第12章 生存分析
共7节 | 1小时32分钟
- 12-1 生存分析的基本概念16分钟
- 12-2 生存率的计算与曲线绘制18分钟
- 12-3 生存曲线的比较12分钟
- 12-4 风险函数与风险比9分钟
- 12-5 Cox模型的基本概念13分钟
- 12-6 Cox比例风险模型的实现11分钟
- 12-7 生存分析中的分层变量13分钟
第13章 关联分析
共6节 | 1小时6分钟
- 13-1 关联分析的基本概念8分钟
- 13-2 关联分析的数据格式与结果格式15分钟
- 13-3 Apriori算法的原理与实现16分钟
- 13-4 Apriori算法分析实例8分钟
- 13-5 FP-Growth算法12分钟
- 13-6 关联分析的参数调整与具体应用6分钟
课程已被收录精选专题
购课须知
课程有效期：
自购买课程之日起 365 天，部分参与营销活动产品以活动规则为准，请同学在有效期内学习、观看课程。
上课模式：
课程采取录播模式，请注意自学课无班级微信群、班主任带班及助教批改服务。
注：自学课不支持退款，确保你是真的需要再进行报名，报完名之后还请认真学习。
数字化人才战略服务商
三节课企业服务
关注公众号
三节课App
2013- 三节课信息咨询（北京）有限公司 版权所有