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)
