课程大纲

Statistics & 概率 Programming 在 Julia 中

基本统计数据

  • Statistics
    • 带有 statistics 包的摘要 Statistics
  • 发行版和StatsBase包
    • 单变数和多变数
    • 时刻
    • 概率函数
    • 采样和 RNG
    • 直方图
    • 最大似然估计
    • 产品、结构和删失分布
    • 强大的统计数据
    • 相关性和协方差

数据帧

(DataFrames 包)

  • 数据 I/O
  • 创建资料帧
  • 数据类型,包括分类数据和缺失数据
  • 排序和加入
  • 重塑和旋转数据

假设检验

(HypothesisTests 包)

  • 假设检验的原则概要
  • 卡方检验
  • Z 检验和 t 检验
  • F 检验
  • Fisher 精确检验
  • 方差分析
  • 正态性检验
  • Kolmogorov-Smirnov 检验
  • Hotelling 的 T 检验

回归和生存分析

(GLM & 生存套餐)

  • 线性回归和指数族的原理概述
  • 线性回归
  • 广义线性模型
    • Logistic 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

(距离包)

  • 什么是距离?
  • 欧氏
  • 城市街区
  • 馀弦
  • 相关
  • 马哈拉诺比斯
  • 汉明
  • RMS
  • 均方差

多变数统计量

(MultivariateStats, Lasso, & 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 PCA
    • 内核 PCA
    • 概率 PCA
    • 独立 CA
  • 主成分回归 (PCR)
  • 因数分析
  • 典型相关性分析
  • 多维缩放

聚类

(集群包)

  • K 均值
  • K 型中心管
  • DBSCAN 资料库
  • 分层聚类
  • 玛律可夫聚类演算法
  • 模糊 C 均值聚类分析

贝叶斯  Statistics & 概率 Programming

(图灵包)

  • 玛律可夫链模型 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
  • 隐玛律可夫模型
  • 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

客户评论 (5)

即将举行的公开课程

课程分类