课程目录
1-1 [统计模型课程概述] 课程内容介绍 (13:44) 1-2 [统计模型课程概述] statsmodles基本操作入门 (07:25) 1-3 [统计模型课程概述] 使用sklearn的样本数据集 (10:55) 1-4 [统计模型课程概述] sklearn基本操作入门 (18:58) 1-5 [统计模型课程概述] 本课程案例数据及文档下载 (10) 2-1 [方差分析模型] 一般线性模型概述 (15:19) 2-2 [方差分析模型] 简单一般线性模型模型的拟合 (16:27) 2-3 [方差分析模型] 均数两两比较方法的选择 (17:59) 2-4 [方差分析模型] 均数两两比较的实现 (10:52) 2-5 [方差分析模型] 多因素方差分析模型的基本框架 (22:26) 2-6 [方差分析模型] 多因素方差分析的实现 (12:01) 2-7 [方差分析模型] 模型框架下的自定义检验 (18:58) 3-1 [线性回归模型] 线性回归模型概述 (15:44) 3-2 [线性回归模型] 线性回归模型的适用条件 (15:23) 3-3 [线性回归模型] 线性回归模型的标准建模步骤 (23:22) 3-4 [线性回归模型] 线性回归模型的statsmodels实现 (17:10) 3-5 [线性回归模型] 残差分析 (07:48) 3-6 [线性回归模型] 回归模型的多变量筛选方法 (19:09) 3-7 [线性回归模型] 多变量筛选的具体操作 (08:03) 3-8 [线性回归模型] 最小角回归 (13:25) 3-9 [线性回归模型] 线性回归的sklearn实现 (06:00) 4-1 [线性回归的衍生模型] 曲线直线化 (09:33) 4-2 [线性回归的衍生模型] 多项式回归 (08:25) 4-3 [线性回归的衍生模型] 强影响点的识别与处理 (15:10) 4-4 [线性回归的衍生模型] 稳健回归 (10:51) 4-5 [线性回归的衍生模型] 共线性的识别与处理 (17:33) 4-6 [线性回归的衍生模型] 岭回归 (22:14) 4-7 [线性回归的衍生模型] LASSO回归与弹性网络 (14:37) 4-8 [线性回归的衍生模型] 方差不齐的识别与处理 (11:22) 4-9 [线性回归的衍生模型] 加权最小二乘法 (09:53) 4-10 [线性回归的衍生模型] 残差非独立的识别与处理 (07:39) 4-11 [线性回归的衍生模型] 自回归模型 (09:18) 5-1 [logitsic回归] logistic回归模型的基本概念 (17:40) 5-2 [logitsic回归] logistic回归模型的适用条件 (12:17) 5-3 [logitsic回归] 两分类logistic模型的statsmodels实现 (12:13) 5-4 [logitsic回归] logistic回归模型中的检验方法 (12:51) 5-5 [logitsic回归] 哑变量的使用（上） (13:48) 5-6 [logitsic回归] 哑变量的使用（下） (10:16) 5-7 [logitsic回归] 多分类因变量的logistic回归模型 (16:46) 5-8 [logitsic回归] logistic回归模型的sklearn实现 (12:47) 6-1 [决策树模型] 树模型的基本概念 (15:01) 6-2 [决策树模型] 树模型的信息量计算 (09:16) 6-3 [决策树模型] 树模型的各种算法 (15:43) 6-4 [决策树模型] 树模型的sklearn实现 (11:53) 6-5 [决策树模型] 随机森林 (15:25) 6-6 [决策树模型] Adaboost方法 (12:11) 6-7 [决策树模型] GBDT方法 (15:48) 7-1 [神经网络] 神经网络的基本原理 (16:37) 7-2 [神经网络] 神经网络的算法实质 (11:25) 7-3 [神经网络] 神经网络的sklearn实现 (11:39) 7-4 [神经网络] RBFN、RNN、LSTM与与CNN网络 (13:55) 7-5 [神经网络] SOM与RBM网络 (07:15) 7-6 [神经网络] 神经网络的超参数调整 (19:12) 8-1 [支持向量机] SVM的基本原理 (14:34) 8-2 [支持向量机] SVM的核函数设定 (17:52) 8-3 [支持向量机] SVM分类 (09:18) 8-4 [支持向量机] SVM回归 (08:56) 8-5 [支持向量机] 异常值检测的基本理论 (11:46) 8-6 [支持向量机] 一类SVM (08:53) 8-7 [支持向量机] 模型参数的优化 (11:54) 9-1 [主成分分析与因子分析] 主成分分析的基本原理 (17:30) 9-2 [主成分分析与因子分析] 主成分分析的statsmodels实现 (14:35) 9-3 [主成分分析与因子分析] 主成分分析的sklearn实现 (10:43) 9-4 [主成分分析与因子分析] 因子分析的基本原理 (23:05) 9-5 [主成分分析与因子分析] 因子分析的statsmodels实现 (11:43) 9-6 [主成分分析与因子分析] 因子旋转 (12:01) 10-1 [聚类分析] 聚类分析概述 (15:22) 10-2 [聚类分析] 聚类分析的方法分类 (10:01) 10-3 [聚类分析] 聚类分析的注意事项 (10:10) 10-4 [聚类分析] K均值聚类 (14:03) 10-5 [聚类分析] 均值偏移聚类 (09:12) 10-6 [聚类分析] 层次聚类 (12:54) 10-7 [聚类分析] BIRCH聚类 (16:05) 10-8 [聚类分析] DBSCAN聚类 (14:25) 10-9 [聚类分析] 聚类结果的验证 (07:17) 11-1 [最近邻分析] KNN的基本原理 (13:51) 11-2 [最近邻分析] KNN分类的操作 (06:30) 11-3 [最近邻分析] KNN回归与无监督KNN (06:47) 12-1 [生存分析] 生存分析的基本概念 (15:42) 12-2 [生存分析] 生存率的计算与曲线绘制 (17:54) 12-3 [生存分析] 生存曲线的比较 (12:16) 12-4 [生存分析] 风险函数与风险比 (09:31) 12-5 [生存分析] Cox模型的基本概念 (13:12) 12-6 [生存分析] cox比例风险模型的实现 (11:19) 12-7 [生存分析] 生存分析中的分层变量 (12:43) 13-1 [关联分析] 关联分析的基本概念 (08:28) 13-2 [关联分析] 关联分析的数据格式与结果格式 (14:58) 13-3 [关联分析] Apriori算法的原理与实现 (15:59) 13-4 [关联分析] Apriori算法分析实例 (08:30) 13-5 [关联分析] FP-growth算法 (12:18) 13-6 [关联分析] 关联分析的参数调整与具体应用 (06:13) 13-7 [关联分析] 令人大开眼界的关联分析结果 (06:05)
