Python數據分析（統計分析）視頻教程

 

1. 課程簡介 5:59

2. 正太分布 19:23

3. 二項式分布 11:02

4. 泊松分布 15:55

5. 均勻分布 3:22

6. 卡方分布 5:35

7. beta分布 14:54 第2章:統計描述

8. 統計描述概述 7:54

9. 頻數分布 5:25

10. 集中趨勢描述 9:40

11. Pandas描述統計常用函數 8:21

12. 恐怖襲擊數據集描述 13:07

13. 恐襲各指標統計 13:54

14. kaggle數據科學調查介紹 11:18

15. 基本情況可視化展示 19:36

16. 工資情況 11:33

17. 技能使用情況 16:32

18. 數據集與平台 14:21

19. python和r哪家強 15:58

20. 調查總結 16:16 第3章:假設檢驗

21. 假設檢驗基本思想 12:28

22. 左右側檢驗與雙側檢驗 14:20

23. Z檢驗基本原理 7:03

24. Z檢驗實例 14:06

25. T檢驗基本原理 13:02

26. T檢驗實例 6:17

27. T檢驗應用條件 7:43

28. 卡方檢驗 11:28

29. 假設檢驗中的兩類錯誤 10:01

30. Python假設檢驗實例 12:34

31. Python卡方檢驗實例 7:59 第4章:方差分析

32. 方差分析概述 6:48

33. 方差的比較 11:50

34. 方差分析計算方法 14:00

35. 方差分析中的多重比較 8:15

36. 多因素方差分析 9:25

37. Python方差分析實例 8:34 第5章:相關分析

38. 相關分析概述 9:03

39. 皮爾森相關系數 8:16

40. 計算與檢驗 13:05

41. 斯皮爾曼等級相關 14:06

42. 肯德爾系數 6:48

43. 質量相關分析 13:33

44. 偏相關與復相關 7:34 第6章:因子分析

45. 因子分析概述 5:53

46. PCA降維概述 8:39

47. PCA要優化的目標 12:21

48. PCA求解 10:17

49. PCA降維實例 19:17

50. 線性判別分析要解決的問題 12:20

51. 線性判別分析要優化的目標 12:03

52. 線性判別分析求解 12:08

53. 實現線性判別分析進行降維任務 10:19

54. 求解得出降維結果 8:55 第7章:回歸分析

55. 回歸分析概述 7:11

56. 回歸方程定義 4:42

57. 誤差項的定義 7:48

58. 最小二乘法推導與求解 12:41

59. 回歸方程求解小例子 6:32

60. 回歸直線擬合優度 11:08

61. 多元與曲線回歸問題 8:26

62. Python工具包介紹 5:01

63. statsmodels回歸分析 9:38

64. 高階與分類變量實例 12:06

65. 案例：汽車價格預測任務概述 9:19

66. 案例：缺失值填充 13:36

67. 案例：特征相關性 13:47

68. 案例：預處理問題 7:05

69. 案例：回歸求解 13:23 第8章:聚類分析

70. 層次聚類概述 4:41

71. 層次聚類流程 12:10

72. 層次聚類實例 11:33

73. KMEANS算法概述 11:33

74. KMEANS工作流程 9:42

75. KMEANS迭代可視化展示 8:19

76. DBSCAN聚類算法 11:03

77. DBSCAN工作流程 15:03

78. DBSCAN可視化展示 8:52

79. 多種聚類算法概述 4:34

80. 聚類案例實戰 17:19 第9章:邏輯回歸

81. 梯度下降原理 11:42

82. 梯度下降方法對比 7:20

83. 學習率對結果的影響 6:08

84. 邏輯回歸算法原理推導 10:52

85. 邏輯回歸求解 14:58 第10章:貝葉斯分析

86. 貝葉斯分析概述 7:22

87. 概率的解釋 6:06

88. 貝葉斯學派與經典統計學派的爭論 5:49

89. 貝葉斯算法概述 6:58

90. 貝葉斯推導實例 7:37

91. 貝葉斯拼寫糾錯實例 11:46

92. 垃圾郵件過濾實例 14:09

93. 貝葉斯解釋 10:50

94. 經典求解思路 8:16

95. MCMC概述 11:03

96. PYMC3概述 5:40

97. 模型診斷 9:53

98. 模型決策 10:48 大家可以點擊【 查看詳情 】查看我的課程