多元线性回归模型的参数与统计量深度解读——应用Python复现

2人 购买 好评度 -
用手机看

扫一扫继续用手机看

  • 微信扫码

  • QQ扫码

下载手机APP
收藏
  • 第一期
更多班级

第一期

支持随到随学,25年12月过期

¥96.22

本班因教学质量问题暂时不能报名。 查看详情

课程因违反平台规定暂时不能报名。

立即购买

课程概述

目录

往期学员作业()

评论

老师介绍

  • 李进华

    李进华

    李进华博士本硕博皆毕业于武汉大学信息管理学院情报学专业,原211大学教授,长期从事信息&情报分析、数据分析、计算机相关课程的传授和培训。具备20年商业应用系统开发经验。
简  介 本课程为基于Python的数据分析和统计建模高级课程,针对多元线性回归模型的各种参数和统计量,通过Python代码手工复现,在代码复现的过程中结合数学公式和原理进行深入解读。这些统计量包括:回归系数参数估计、决定系数R方及调整后R方、F统计量以及F检验、归系数标准差和显著性t检验、回归系数置信区间、Jarque-Bera检验等
       本课程为基于Python的数据分析和统计建模高级课程,针对多元线性回归模型的各种参数和统计量,通过Python代码手工复现,在代码复现的过程中结合数学公式和原理进行深入解读。这些统计量包括:回归系数参数估计、决定系数R方及调整后R方、F统计量以及F检验、对数似然、AIC、BIC、回归系数标准差和显著性t检验、回归系数置信区间、峰度与偏度、Jarque-Bera检验、Omnibus检验、Durbin-Watson检验、条件数、方差膨胀系数以及补充知识。
适用人群:
(1)利用Python进行数据分析&大数据分析的程序员
(2)用量化方法进行科学研究的学者和老师
(3)对公司数据进行统计建模的企事业单位工作人
(4)深度学习和人工智能方面的程序员,
学完本课程后,学员将掌握:
(1)多元线性回归模型的基本原理
(2)掌握各种统计量的原理和编程实现
(3)掌握StatsModels统计包的基本用法
(4)掌握数据分析的中高级统计建模方法。

* 课程提供者:李进华