Python机器学习系列3线性回归

Python机器学习系列3线性回归

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:【DS与ML算法构建】【简单线性回归】简单线性回归

  • 课时2:【DS与ML算法构建】【简单线性回归】回归虽简单不能一上来就用

  • 课时3:【DS与ML算法构建】【简单线性回归】工作年限与收入的关系为例

  • 课时4:【DS与ML算法构建】【简单线性回归】利用pandas快速了解数据

  • 课时5:【DS与ML算法构建】【简单线性回归】scatterplot快速了解数据

  • 课时6:【DS与ML算法构建】【简单线性回归】seaborn等可视化

  • 课时7:【DS与ML算法构建】【简单线性回归】协方差概念

  • 课时8:【DS与ML算法构建】N与N-1的问题答疑详细见上章节统计学

  • 课时9:【DS与ML算法构建】【简单线性回归】协方差数学定义

  • 课时10:【DS与ML算法构建】【简单线性回归】协方差的缺陷皮尔逊相关性

  • 课时11:【DS与ML算法构建】【简单线性回归】皮尔逊相关性数学定义

  • 课时12:【DS与ML算法构建】【简单线性回归】方差为协方差的特殊情况

  • 课时13:【DS与ML算法构建】【简单线性回归】均值与方差代码实现

  • 课时14:【DS与ML算法构建】【简单线性回归】研究理论与工程实现探讨

  • 课时15:【DS与ML算法构建】【简单线性回归】Cov代码实现

  • 课时16:【DS与ML算法构建】【简单线性回归】如何验证我们函数对不对

  • 课时17:【DS与ML算法构建】【简单线性回归】构建与验证标准差函数

  • 课时18:【DS与ML算法构建】【简单线性回归】构建与验证相关性函数

  • 课时19:【DS与ML算法构建】相关性假设检验答疑详细见上章统计学

  • 课时20:【DS与ML算法构建】【简单线性回归】自变量和因变量

  • 课时21:【DS与ML算法构建】【简单线性回归】回归方程

  • 课时22:【DS与ML算法构建】【简单线性回归】OLS最小二乘法公式图形

  • 课时23:【DS与ML算法构建】【简单线性回归】系数的确定数学公式

  • 课时24:【DS与ML算法构建】【简单线性回归】ρ与beta与b1关系

  • 课时25:【DS与ML算法构建】【简单线性回归】系数函数代码实现

  • 课时26:【DS与ML算法构建】【简单线性回归】确定回归方程

  • 课时27:【DS与ML算法构建】【简单线性回归】预测函数编写

  • 课时28:【DS与ML算法构建】【简单线性回归】RMSE检测准确性代码实现

  • 课时29:【DS与ML算法构建】【简单线性回归】测试数据的处理

  • 课时30:【DS与ML算法构建】【简单线性回归】利用模型预测收入

  • 课时31:【DS与ML算法构建】【简单线性回归】检验模型准确率

  • 课时32:【DS与ML算法构建】【简单线性回归】检验模型准确率2

  • 课时33:【DS与ML算法构建】【简单线性回归】【建模技巧1】

  • 课时34:【DS与ML算法构建】【简单线性回归】【建模技巧2】

  • 课时35:【DS与ML算法构建】【ANOVATable】RMSE缺点与ANOVA对比

  • 课时36:【DS与ML算法构建】【ANOVATable】一个经典的ANOVA表

  • 课时37:【DS与ML算法构建】【ANOVATable】ANOVA的图形意义

  • 课时38:【DS与ML算法构建】【ANOVATable】TSSRSS与SSE

  • 课时39:【DS与ML算法构建】【ANOVATable】决定系数R方

  • 课时40:【补充答疑】多元回归与一元回归的df判断

  • 课时41:【DS与ML算法构建】【SEE推导与辨析】回顾ANOVA与推论

  • 课时42:【DS与ML算法构建】【SEE推导与辨析】SEE与SSE与MSE关系

  • 课时43:【DS与ML算法构建】【SEE推导与辨析】SEE定义式

  • 课时44:【DS与ML算法构建】【SEE推导与辨析】SEE与SSE关联推导

  • 课时45:【DS与ML算法构建】【模型参数检验】point_estimation介绍

  • 课时46:【DS与ML算法构建】【模型参数检验】Confidence_Interval介绍

  • 课时47:【DS与ML算法构建】【模型参数检验】Sb_1与SEE与数据波动关系

  • 课时48:【DS与ML算法构建】【模型参数检验】假设检验与不一定与0检验

  • 课时49:【DS与ML算法构建】【多元联合检验】顺便推广到多元情况

  • 课时50:【DS与ML算法构建】【多元联合检验】F检验的公式与判断

  • 课时51:【DS与ML算法构建】【多元线性回归】从一元到多元

  • 课时52:概念公式介绍【后续算法可继续学习系列课程6:随机梯度下降】

  • 课时53:【补充内容】【线性方程组与矩阵】补充内容介绍

  • 课时54:【补充内容】【线性方程组与矩阵】矩阵表示方程组

  • 课时55:【补充内容】【线性方程组与矩阵】转换为矩阵向量问题

  • 课时56:【补充内容】【线性方程组与矩阵】单位向量的妙用

  • 课时57:【补充内容】【线性方程组与矩阵】逆矩阵好记的方法

  • 课时58:【补充内容】【线性方程组与矩阵】逆矩阵与行列式

  • 课时59:【补充内容】【线性方程组与矩阵】逆矩阵运算练习

  • 课时60:【补充内容】【线性方程组与矩阵】逆矩阵运算验算

  • 课时61:【补充内容】【线性方程组与矩阵】用矩阵解决线性方程组

  • 课时62:【OLS回归】一元与多元线性回归公式

  • 课时63:【OLS回归】通过方程组的意义看

  • 课时64:【OLS回归】通过矩阵的意义看

  • 课时65:【OLS回归】通过矩阵求系数与SSE

  • 课时66:【OLS回归】OLS空间意义

  • 课时67:【OLS与Statsmodels统计学库应用】构建样本数据

  • 课时68:【OLS与Statsmodels统计学库应用】计算因变量

  • 课时69:【OLS与Statsmodels统计学库应用】利用原理计算OLS

  • 课时70:【OLS与Statsmodels统计学库应用】利用Statsmodel库计算OLS

  • 课时71:【OLS与Statsmodels统计学库应用】可视化一下回顾

  • 课时72:【运用OLS到股票联动】看看股吧里大家怎么说

  • 课时73:【运用OLS到股票联动】获取数据与数据处理

  • 课时74:【运用OLS到股票联动】OLS判断股票与可视化

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》系列课程的第三部分:线性回归(从一元到多元到矩阵)
包括:
1.简单线性回归
2.皮尔逊相关性
3.自变量与因变量
4.实现简单线性回归与预测
5.通过RMSE法检验准确性
6.RMSE与ANOVA表
7.SEE的推导与辨析
8.模型参数检验原理
9.多元联合检验
10.多元线性回归
11.补充知识点:线性方程组与矩阵
12.补充知识点:OLS与statmodel与股票联动应用

共计74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~

随机推荐

法丽兹饼干-膨化分享一下使用心得?详细评测报告!

特仑苏牛奶乳品选购技巧有哪些?来看看图文评测!

4DRC遥控车用户评价如何?买家评测分享?

博朗9617s反馈怎么样?功能评测结果!

时途适用苹果20W/30W充电器实际效果怎样?产品功能评测?

时途适用苹果20W/30W充电器选购哪种好?使用后分享点评?