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)
