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~
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~