课程大纲

Julia 中的统计与概率 Programming

基本统计

    Statistics 摘要 Statistics 与统计包
Distributions & StatsBase 软件包 单变量和多变量
  • 时刻
  • 概率函数
  • 采样和 RNG
  • 直方图
  • 最大似然估计
  • 产品、停滞和审查分发
  • 强大的统计数据
  • 相关性和协方差
  • 数据帧
  • (DataFrames 包)

    数据 I/O 创建数据框 数据类型,包括分类数据和缺失数据 排序和连接 重塑和透视数据

      假设检验

    (HypothesisTests 包)

    假设检验的原理大纲 卡方检验 Z 检验和 T 检验 F检验 费舍尔精确检验 方差分析 正态性检验 Kolmogorov-Smirnov试验 霍特林的 T 检验

      回归和生存分析

    (GLM & Survival 套餐)

    线性回归和指数族的原理概述 线性回归 广义线性模型 逻辑回归 泊松回归 Gamma 回归 其他 GLM 型号

      生存分析 事件
    卡普兰-迈尔
  • 纳尔逊-阿伦
  • Cox 比例风险
  • 距离
  • (距离套餐)
  • 什么是距离? 欧 氏 Cityblock 街区 余弦 相关 马哈拉诺比斯 汉明 狂 有效值 均方偏差

    多变量统计

      (MultivariateStats、Lasso 和 Loess 包)

    岭回归 套索回归 黄土 线性判别分析 主成分分析(PCA) 线性主成分合成材料 内核 PCA 概率 PCA 独立 CA

    主成分回归 (PCR)

      因子分析
    典型相关分析
  • 多维缩放
  • 聚类
  • (群集包)
  • K-均值 K-中心体 DBSCAN扫描 分层聚类 马尔可夫聚类算法 模糊 C 均值聚类
  • 贝叶斯  Statistics 和概率规划

    (图灵包)

      马尔可夫链模型 Carlo 哈密顿蒙特卡洛 高斯混合模型 贝叶斯线性回归 贝叶斯指数族回归 贝叶斯 Neural Networks 隐马尔可夫模型 粒子过滤 变分推理  

    要求

    本课程适用于已经具有数据科学和统计学背景的人。

     

     21 小时

    人数



    每位参与者的报价

    客户评论 (7)

    相关课程

    课程分类