Python應(yīng)用培訓(xùn)

01. 線性代數(shù)的實(shí)踐
1.1 創(chuàng)建矩陣

1.2 矩陣的基本運(yùn)算

1.3 解多元一次方程

1.4 判斷正定矩陣

1.5 求解協(xié)方差矩陣

1.6 求相關(guān)系數(shù)矩陣

1.7 線性規(guī)劃選址

02. 統(tǒng)計(jì)分析：回歸模型探討
2.1 線性回歸擬合

2.2 廣義線性回歸擬合

2.3 Logit回歸擬合

2.4 Robust回歸擬合

2.5 分位數(shù)回歸

2.6 嶺回歸

03. 假設(shè)檢驗(yàn)
3.1 T檢驗(yàn)

3.2 單因素方差分析再探討

3.3 重復(fù)抽樣的單因素方差分析

3.4 多因素方差分析

3.5 單因素卡方檢驗(yàn)

3.6 雙因素卡方檢驗(yàn)

04. 預(yù)測(cè)算法：回歸模型的機(jī)器學(xué)習(xí)應(yīng)用
4.1 機(jī)器學(xué)習(xí)數(shù)據(jù)概覽

4.2 廣義線性回歸模型的機(jī)器學(xué)習(xí)應(yīng)用

4.3 嶺回歸的機(jī)器學(xué)習(xí)應(yīng)用

4.4 Logistic回歸的機(jī)器學(xué)習(xí)應(yīng)用

05. 分類算法：判別分析與聚類
5.1 決策樹分類器

5.2 kmeans聚類算法

5.3 kmeans聚類可視化

5.4 譜聚類

5.5 譜聚類可視化

5.6 主成分分析

5.7 判別分析

0.6 時(shí)間序列分析
6.1 自相關(guān)活偏相關(guān)系數(shù)的平穩(wěn)性檢驗(yàn)

6.2 ACF和PACF可視化展示

6.3 單位根檢驗(yàn)

6.4 平穩(wěn)時(shí)間序列分析

6.5 繪圖判斷殘差正態(tài)性

6.6 平穩(wěn)時(shí)間序列模型預(yù)測(cè)

6.7 非平穩(wěn)時(shí)間序列處理

6.8 VAR模型

07. 繪圖工具深入學(xué)習(xí)
7.1 Matplotlib基本設(shè)置

7.2 修改參數(shù)，移動(dòng)坐標(biāo)軸

7.3 添加文字注釋

7.4 基本圖形的繪制

7.5 3D圖像繪制

7.6 Chart繪圖