Python统计

第一天： 统计包与数据挖掘

异方差、t检验

第二天： 方差分析

数据分析流

缺失值填补

第三天： 异常值处理和特征过滤

相关特征的处理

第四天： 拟合回归模型

回归模型系数的解读

最小二乘、梯度下降、正则化

第五天：随机梯度下降分类算法

logistic回归案例

第六天： logistic回归模型的评估与修正

logistic回归指标解读

混淆矩阵与网格搜索

第七天： 主成分分析原理

主成分的选择

第八天：主成分回归模型

数据规范化

数据规范化