线性回归模型的标准建模步骤

5.2万 未经授权,禁止转载了解课程
课程介绍
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
适合人群
希望能够成为Python编程和数据分析的跨界人才,目前尚未成功,但仍然在不断努力的人。
你将会学到
系统学习各种统计/数据挖掘模型,并学习这些模型在sklearn和statsmodels中的实现。
课程简介

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。


请至PC端网页下载本课程代码课件及数据。


【更新记录】

2024.7月:针对sklearn1.5版和statsmodels 0.14版,将课程升级至2024版。

2022.1月:针对Anaconda最新版(python 3.8),sklearn1.0.2版和statsmodels 0.13.1版完成兼容性测试,更新了对应的课程内容。

2021.4:基于最新的statsmodels 0.12.2版完成了代码兼容性测试,对课程内容进行了更新。

2019.9:增加关联分析一章,1h+时长。


【课程长度】

总时长:20小时

玩转统计模型.png

【学员基础】

学员需要懂得Python语言的基本编程知识,有基本的程序查错能力。

学员事前应当学习统计分析的基本知识,建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》和《统计模型轻松入门》。

本课程为python数据分析系列课程的高级内容,建议学员事先学习《玩转pandas》、《玩转统计分析》等基础课程。

image.png

推广1.png

展开更多
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
提问

讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。

记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交