Python数据分析（统计分析）视频教程

 

1. 课程简介 5:59

2. 正太分布 19:23

3. 二项式分布 11:02

4. 泊松分布 15:55

5. 均匀分布 3:22

6. 卡方分布 5:35

7. beta分布 14:54 第2章:统计描述

8. 统计描述概述 7:54

9. 频数分布 5:25

10. 集中趋势描述 9:40

11. Pandas描述统计常用函数 8:21

12. 恐怖袭击数据集描述 13:07

13. 恐袭各指标统计 13:54

14. kaggle数据科学调查介绍 11:18

15. 基本情况可视化展示 19:36

16. 工资情况 11:33

17. 技能使用情况 16:32

18. 数据集与平台 14:21

19. python和r哪家强 15:58

20. 调查总结 16:16 第3章:假设检验

21. 假设检验基本思想 12:28

22. 左右侧检验与双侧检验 14:20

23. Z检验基本原理 7:03

24. Z检验实例 14:06

25. T检验基本原理 13:02

26. T检验实例 6:17

27. T检验应用条件 7:43

28. 卡方检验 11:28

29. 假设检验中的两类错误 10:01

30. Python假设检验实例 12:34

31. Python卡方检验实例 7:59 第4章:方差分析

32. 方差分析概述 6:48

33. 方差的比较 11:50

34. 方差分析计算方法 14:00

35. 方差分析中的多重比较 8:15

36. 多因素方差分析 9:25

37. Python方差分析实例 8:34 第5章:相关分析

38. 相关分析概述 9:03

39. 皮尔森相关系数 8:16

40. 计算与检验 13:05

41. 斯皮尔曼等级相关 14:06

42. 肯德尔系数 6:48

43. 质量相关分析 13:33

44. 偏相关与复相关 7:34 第6章:因子分析

45. 因子分析概述 5:53

46. PCA降维概述 8:39

47. PCA要优化的目标 12:21

48. PCA求解 10:17

49. PCA降维实例 19:17

50. 线性判别分析要解决的问题 12:20

51. 线性判别分析要优化的目标 12:03

52. 线性判别分析求解 12:08

53. 实现线性判别分析进行降维任务 10:19

54. 求解得出降维结果 8:55 第7章:回归分析

55. 回归分析概述 7:11

56. 回归方程定义 4:42

57. 误差项的定义 7:48

58. 最小二乘法推导与求解 12:41

59. 回归方程求解小例子 6:32

60. 回归直线拟合优度 11:08

61. 多元与曲线回归问题 8:26

62. Python工具包介绍 5:01

63. statsmodels回归分析 9:38

64. 高阶与分类变量实例 12:06

65. 案例：汽车价格预测任务概述 9:19

66. 案例：缺失值填充 13:36

67. 案例：特征相关性 13:47

68. 案例：预处理问题 7:05

69. 案例：回归求解 13:23 第8章:聚类分析

70. 层次聚类概述 4:41

71. 层次聚类流程 12:10

72. 层次聚类实例 11:33

73. KMEANS算法概述 11:33

74. KMEANS工作流程 9:42

75. KMEANS迭代可视化展示 8:19

76. DBSCAN聚类算法 11:03

77. DBSCAN工作流程 15:03

78. DBSCAN可视化展示 8:52

79. 多种聚类算法概述 4:34

80. 聚类案例实战 17:19 第9章:逻辑回归

81. 梯度下降原理 11:42

82. 梯度下降方法对比 7:20

83. 学习率对结果的影响 6:08

84. 逻辑回归算法原理推导 10:52

85. 逻辑回归求解 14:58 第10章:贝叶斯分析

86. 贝叶斯分析概述 7:22

87. 概率的解释 6:06

88. 贝叶斯学派与经典统计学派的争论 5:49

89. 贝叶斯算法概述 6:58

90. 贝叶斯推导实例 7:37

91. 贝叶斯拼写纠错实例 11:46

92. 垃圾邮件过滤实例 14:09

93. 贝叶斯解释 10:50

94. 经典求解思路 8:16

95. MCMC概述 11:03

96. PYMC3概述 5:40

97. 模型诊断 9:53

98. 模型决策 10:48 大家可以点击【 查看详情 】查看我的课程