响木课堂-响木SVIP目录-我的资源/01 响木最新众筹课/4000-4999/4100-4199/4111.Python统计建模到深度学习全程班/玩转统计模型-Python系列【New】

主页/我的资源/01 响木最新众筹课/4000-4999/4100-4199/4111.Python统计建模到深度学习全程班/玩转统计模型-Python系列【New】/

01_1.1-课程内容介绍.mp4
02_1.2-statsmodels基本操作入门.mp4
03_1.3-使用sklearn的样本数据集.mp4
04_1.4-sklearn基本操作入门.mp4
05_2.1-一般线性模型概述.mp4
06_2.2-简单模型的拟合.mp4
07_2.3-两两比较方法的选择.mp4
08_2.4-两两比较的实现.mp4
09_2.5-多因素方差分析模型框架.mp4
10_2.6-多因素方差分析的实现.mp4
11_2.7-自定义检验.mp4
12_3.1-回归模型概述.mp4
13_3.2-回归模型适用条件.mp4
14_3.3-回归标准建模步骤.mp4
15_3.4-拟合回归模型.mp4
16_3.5-残差分析.mp4
17_3.6-回归多变量筛选.mp4
18_3.7-多变量筛选操作.mp4
19_3.8-最小角回归.mp4
20_3.9-线性回归的sklearn实现.mp4
21_4.1-曲线直线化.mp4
22_4.2-多项式回归.mp4
23_4.3-强影响点的识别与处理.mp4
24_4.4-稳健回归.mp4
25_4.5-共线性的识别与处理.mp4
26_4.6-岭回归.mp4
27_4.7-LASSO回归与弹性网络nstat.mp4
28_4.8-方差不齐的处理.mp4
29_4.9-加权最小二乘法.mp4
30_4.10-残差非独立的识别.mp4
31_4.11-自回归模型.mp4
32_5.1-logistic回归模型的基本概念.mp4
33_5.2-logistic回归模型的适用条件.mp4
34_5.3-两分类logit的实现.mp4
35_5.4-模型中的检验方法.mp4
36_5.5-哑变量的使用（上）.mp4
37_5.6-哑变量的使用（下）.mp4
38_5.7-多分类因变量的logistic回归模型.mp4
39_5.8-logistic回归的sklearn实现.mp4
40_6.1-树模型的基本概念.mp4
41_6.2-树模型的信息量计算.mp4
42_6.3-树模型的各种算法.mp4
43_6.4-树模型的实现.mp4
44_6.5-随机森林.mp4
45_6.6-adaboost方法.mp4
46_6.7-GBDT方法.mp4
47_7.1神经网络的基本原理.mp4
48_7.2-神经网络的算法实质.mp4
49_7.3神经网络的sklearn实现.mp4
50_7.4-RBFN、RNN、LSTM与与CNN网络.mp4
51_7.5-SOM与RBM网络.mp4
52_7.6-神经网络的超参数调整.mp4
53_8.1-SVM的基本原理.mp4
54_8.2-SVM的核函数设定.mp4
55_8.3-SVM分类的操作.mp4
56_8.4-SVM回归.mp4
57_8.5异常值检测的基本理论.mp4
58_8.6新奇值发现.mp4
59_8.7-模型参数的优化.mp4
60_9.1主成分分析的基本原理.mp4
61_9.2-主成分分析的statsmodels实现.mp4
62_9.3-主成分分析的sklearn实现.mp4
63_9.4-因子分析的基本原理.mp4
64_9.5-因子分析的statsmodels实现.mp4
65_9.6-因子旋转.mp4
66_10.1-聚类分析概述.mp4
67_10.2-聚类分析的方法分类.mp4
68_10.3-聚类分析的注意事项.mp4
69_10.4-K均值聚类.mp4
70_10.5均值偏移聚类.mp4
71_10.6-层次聚类.mp4
72_10.7-birch聚类.mp4
73_10.8-DBSCAN聚类.mp4
74_10.9-聚类结果的验证.mp4
75_11.1-knn的基本原理.mp4
76_11.2-KNN分类的操作.mp4
77_11.3-KNN回归与无监督KNN.mp4
78_12.1-生存分析的基本概述.mp4
79_12.2-生存曲线绘制.mp4
80_12.3-生存曲线比较.mp4
81_12.4-风险函数与风险比.mp4
82_12.5-Cox模型的基本概念.mp4
83_12.6-cox比例风险模型的实现.mp4
84_12.7-生存分析中的分层变量.mp4
85_13.1-关联分析的基本概念.mp4
86_13.2-关联分析的数据格式与结果格式.mp4
87_13.3-Apriori算法的原理与实现.mp4
88_13.4-Apriori算法分析实例.mp4
89_13.5-FP-growth算法.mp4
90_13.6-关联分析的参数调整与具体应用.mp4
91_13.7-大开眼界的关联分析结果.mp4

Copyright © All rights reserved.

信息加载中,请等待...