課程簡介

Julia 中的統計與概率 Programming

基本統計

    Statistics 摘要 Statistics 與統計包
Distributions & StatsBase 軟體包 單變數和多變數
  • 時刻
  • 概率函數
  • 採樣和 RNG
  • 直方圖
  • 最大似然估計
  • 產品、停滯和審查分發
  • 強大的統計數據
  • 相關性和協方差
  • 數據幀
  • (DataFrames 包)

    數據 I/O 創建資料框 數據類型,包括分類數據和缺失數據 排序和連接 重塑和透視數據

      假設檢驗

    (HypothesisTests 包)

    假設檢驗的原理大綱 卡方檢驗 Z 檢驗和 T 檢驗 F檢驗 費舍爾精確檢驗 方差分析 正態性檢驗 Kolmogorov-Smirnov試驗 霍特林的 T 檢驗

      回歸和生存分析

    (GLM & Survival 套餐)

    線性回歸和指數族的原理概述 線性回歸 廣義線性模型 邏輯回歸 泊松回歸 Gamma 回歸 其他 GLM 型號

      生存分析 事件
    卡普蘭-邁爾
  • 納爾遜-阿倫
  • Cox 比例風險
  • 距離
  • (距離套餐)
  • 什麼是距離? 歐氏 Cityblock 街區 餘弦 相關 馬哈拉諾比斯 漢明 狂 有效值 均方偏差

    多變數統計

      (MultivariateStats、Lasso 和 Loess 包)

    嶺回歸 套索回歸 黃土 線性判別分析 主成分分析(PCA) 線性主成分合成材料 內核 PCA 概率 PCA 獨立 CA

    主成分回歸 (PCR)

      因數分析
    典型相關分析
  • 多維縮放
  • 聚類
  • (群集包)
  • K-均值 K-中心體 DBSCAN掃描 分層聚類 瑪律可夫聚類演算法 模糊 C 均值聚類
  • 貝葉斯  Statistics 和概率規劃

    (圖靈包)

      瑪律可夫鏈模型 Carlo 哈密頓蒙特卡洛 高斯混合模型 貝葉斯線性回歸 貝葉斯指數族回歸 貝葉斯 Neural Networks 隱瑪律可夫模型 粒子過濾 變分推理  

    最低要求

    本課程適用於已經具有數據科學和統計學背景的人。

     

     21 時間:

    人數



    每位參與者的報價

    客戶評論 (8)

    相關課程

    課程分類