Python机器学习系列2假设检验 /

乐学偶得
乐学偶得致力于前沿Fintech(金融科技),Data Science(数据科学),IT(信息科技),企业高级管理必备CFA,FRM,CIA等高端企业管理商务知识,多语种文化艺术信息的分享及咨询。
  • 课程目录
  • 课程介绍
  • 课时1:【Python与统计学】推断性统计三步走取样预测假设检验

  • 课时2:【Python与统计学】统计方法point_estimation点估计

  • 课时3:【Python与统计学】统计方法confidence_interval置信区间

  • 课时4:【Python与统计学】Z与t分布

  • 课时5:【Python与统计学】假设性检验的核心思想

  • 课时6:【Python与统计学】提出单尾的假设性检验假设

  • 课时7:【Python与统计学】提出双尾的假设性检验假设

  • 课时8:【Python与统计学】计算t统计量

  • 课时9:【Python与统计学】画t分布图与单双尾巴判断

  • 课时10:【Python与统计学】确定置信区间判断是否小概率事件

  • 课时11:【答疑】【N-1与贝塞尔校正】用样本估计总体的公式讲解

  • 课时12:【答疑】【N-1与贝塞尔校正】随机生成10万个总体数据

  • 课时13:【答疑】【N-1与贝塞尔校正】随机抽取500次样本

  • 课时14:【答疑】【N-1与贝塞尔校正】随机抽取500次样本

  • 课时15:【答疑】【N-1与贝塞尔校正】ddof参数有偏的计算

  • 课时16:【答疑】【N-1与贝塞尔校正】rolling和expanding操作

  • 课时17:【答疑】【N-1与贝塞尔校正】有偏的variance可视化

  • 课时18:【答疑】【N-1与贝塞尔校正】有偏与无偏可视化对比

  • 课时19:【答疑】【贝塞尔校正数学推导】Variance特性讲解

  • 课时20:【答疑】【贝塞尔校正数学推导】逐个击破得证

  • 课时21:【答疑】【贝塞尔校正数学推导】数学计算偏差表达式

  • 课时22:【答疑】【贝塞尔校正数学推导】快速推导与记忆方法介绍

  • 课时23:【答疑】【利用假设性检验检验相关性】害怕相关性不靠谱

  • 课时24:【答疑】【利用假设性检验检验相关性】第一步_立无相关性靶子

  • 课时25:【答疑】【利用假设性检验检验相关性】第二步_计算T统计量

  • 课时26:【答疑】【利用假设性检验检验相关性】第二步_关于自由度探讨

  • 课时27:【答疑】【利用假设性检验检验相关性】第三步_画分布

  • 课时28:【答疑】【利用假设性检验检验相关性】第三步_如何查T分布表

  • 课时29:【答疑】【利用假设性检验检验相关性】第四步_做判断

  • 课时30:【答疑】【利用假设性检验检验相关性】局限性1非线性相关

  • 课时31:【答疑】【利用假设性检验检验相关性】局限性2异常值

  • 课时32:【答疑】【利用假设性检验检验相关性】局限性3伪相关

  • 课时33:【答疑】【利用假设性检验检验相关性】局限性4伪相关例子

课程概述

人工智能浪潮袭来,我们非常容易在强大【别人封装好】的机器学习相关库和分析工具的掩盖下,陷入【只花几小时速成AI工程师】,【只需几天摇身一变数据科学家】的幻觉我们深知:【忽悠式速成】走的【捷径】,最终,会在生命中的某一个时刻【反噬】过来,可能是【35岁】的一次【裁员潮】,可能是一次重要的项目因为【基础问题】而犯下大错,可能是与一次升职的机会【失之交臂】“拿数据,跑数据,调调参”,“炼丹”看结果你能做,别人,也能做归根到底,一个人的核心竞争力还是在于对【原理】与【业务】的【深刻理解】本课程为《Python入门数据科学机器学习算法》系列课程的第二部分:假设检验包括:1.描述性统计与推断统计2.推断性统计的三步走与假设检验3.点估计与区域估计4.Z分布与T分布5.答疑补充之贝塞尔校正6.答疑补充之利用假设性检验检验相关性共计34节课,已经更新完毕,欢迎加入~2000+节《从Python零基础到6大方向进阶应用》系列课程限时优惠中,欢迎点击下方继续系统化学习~