课程目录
1-1 [数据科学必备分布] 课程概述 (05:59) 1-2 [数据科学必备分布] 正态分布 (19:22) 1-3 [数据科学必备分布] 二项式分布 (11:02) 1-4 [数据科学必备分布] 泊松分布 (15:55) 1-5 [数据科学必备分布] 均匀分布 (03:22) 1-6 [数据科学必备分布] 卡方分布 (05:35) 1-7 [数据科学必备分布] beta分布 (14:54) 2-1 [统计描述] 统计描述概述 (07:54) 2-2 [统计描述] 频数分布 (05:25) 2-3 [统计描述] 集中趋势分布 (09:40) 2-4 [统计描述] Pandas描述统计常用函数 (08:21) 2-5 [统计描述] 恐袭数据集描述 (13:07) 2-6 [统计描述] 恐袭各项指标 (13:54) 2-7 [统计描述] Kaggle数据科学调查 (11:18) 2-8 [统计描述] 基本情况可视化展示 (19:36) 2-9 [统计描述] 工资情况 (11:33) 2-10 [统计描述] 技能使用情况 (16:32) 2-11 [统计描述] 数据集与平台 (14:21) 2-12 [统计描述] python和R哪家强 (15:58) 2-13 [统计描述] 调查总结 (16:16) 3-1 [假设检验] 假设检验基本思想 (12:28) 3-2 [假设检验] 左右检测与双向检测 (14:20) 3-3 [假设检验] Z检验基本原理 (07:03) 3-4 [假设检验] Z检验实例 (14:06) 3-5 [假设检验] T检验基本原理 (13:02) 3-6 [假设检验] T检验实例 (06:17) 3-7 [假设检验] T检验应用条件 (07:43) 3-8 [假设检验] 卡方检验 (11:28) 3-9 [假设检验] 假设检验中两类错误 (10:01) 3-10 [假设检验] Python假设检验实例 (12:34) 3-11 [假设检验] Python卡方检验实例 (07:59) 4-1 [方差分析] 方差分析概述 (06:48) 4-2 [方差分析] 方差的比较 (11:50) 4-3 [方差分析] 方差分析计算方法 (14:00) 4-4 [方差分析] 方差分析中的多重比较 (08:15) 4-5 [方差分析] 多因素方差分析 (09:25) 4-6 [方差分析] Python方差分析实例 (08:34) 5-1 [相关分析] 相关分析概述 (09:03) 5-2 [相关分析] 皮尔森相关系数 (08:16) 5-3 [相关分析] 计算与检验 (13:05) 5-4 [相关分析] 斯皮尔曼等级相关 (14:06) 5-5 [相关分析] 肯德尔系数 (06:48) 5-6 [相关分析] 质量相关分析 (13:33) 5-7 [相关分析] 偏相关与复相关 (07:34) 6-1 [因子分析] 因子分析概述 (05:53) 6-2 [因子分析] PCA降维概述 (08:39) 6-3 [因子分析] PCA要优化的目标 (12:21) 6-4 [因子分析] PCA求解 (10:17) 6-5 [因子分析] PCA降维实例 (19:17) 6-6 [因子分析] 线性判别分析要解决的问题 (12:20) 6-7 [因子分析] 线性判别分析要优化的目标 (12:03) 6-8 [因子分析] 线性判别分析求解 (12:08) 6-9 [因子分析] 实现线性判别分析 (10:19) 6-10 [因子分析] 得出LDA结果 (08:55) 7-1 [回归分析] 回归分析概述 (07:11) 7-2 [回归分析] 回归方程定义 (04:42) 7-3 [回归分析] 误差项定义 (07:47) 7-4 [回归分析] 最小二乘法 推导 (12:41) 7-5 [回归分析] 回归方程求解小例子 (06:32) 7-6 [回归分析] 回归拟合优度 (11:08) 7-7 [回归分析] 多元与曲线回归问题 (08:25) 7-8 [回归分析] Python工具包介绍 (05:01) 7-9 [回归分析] statsmodels回归分析 (09:37) 7-10 [回归分析] 高阶与分类变量实例 (12:06) 7-11 [回归分析] 汽车价格预测任务 (09:19) 7-12 [回归分析] 缺失值填充 (13:36) 7-13 [回归分析] 特征相关性 (13:47) 7-14 [回归分析] 预处理问题 (07:05) 7-15 [回归分析] 回归求解 (13:23) 8-1 [聚类分析] 层次聚类概述 (04:41) 8-2 [聚类分析] 层次聚类流程 (12:10) 8-3 [聚类分析] 层次聚类实例 (11:33) 8-4 [聚类分析] KMEANS算法概述 (11:33) 8-5 [聚类分析] KMEANS工作流程 (09:42) 8-6 [聚类分析] KMEANS迭代可视化展示 (08:19) 8-7 [聚类分析] DBSCAN聚类算法 (11:03) 8-8 [聚类分析] DBSCAN工作流程 (15:03) 8-9 [聚类分析] DBSCAN可视化展示 (08:52) 8-10 [聚类分析] 多种聚类算法概述 (04:34) 8-11 [聚类分析] 聚类案例实战 (17:19) 9-1 [逻辑回归] 梯度下降原理 (11:42) 9-2 [逻辑回归] 梯度下降方法对比 (07:20) 9-3 [逻辑回归] 学习率对结果的影响 (06:08) 9-4 [逻辑回归] 逻辑回归原理 (10:52) 9-5 [逻辑回归] 逻辑回归求解 (14:58) 10-1 [贝叶斯分析] 贝叶斯分析概述 (07:22) 10-2 [贝叶斯分析] 概率的解释 (06:06) 10-3 [贝叶斯分析] 贝叶斯学派与经典派的争论 (05:49) 10-4 [贝叶斯分析] 贝叶斯算法概述 (06:58) 10-5 [贝叶斯分析] 贝叶斯推导实例 (07:37) 10-6 [贝叶斯分析] 贝叶斯拼写纠错实例 (11:46) 10-7 [贝叶斯分析] 垃圾邮件过滤实例 (14:09) 10-8 [贝叶斯分析] 贝叶斯解释 (10:49) 10-9 [贝叶斯分析] 经典求解思路 (08:16) 10-10 [贝叶斯分析] MCMC概述 (11:02) 10-11 [贝叶斯分析] PYMC3简介 (05:40) 10-12 [贝叶斯分析] 模型诊断 (09:53) 10-13 [贝叶斯分析] 模型决策 (10:48)
