数据科学数学
学习路径⋅技能:统计、相关性、线性回归、逻辑回归
在这个学习路径中,您将获得在数据科学方面取得进步所需的数学基础。
其他资源
- 真正的 Python 数据科学主题
- 真正的 Python 机器学习主题
数据科学数学
学习路径⋅ 5 种资源
教程
Python Statistics Fundamentals: How to Describe Your Data
了解描述性统计的基础知识以及如何在 Python 中计算它们。您将了解如何使用 NumPy、SciPy、pandas、Matplotlib 和内置 Python 统计库以可视化方式描述、总结和表示数据。
#1
教程
NumPy, SciPy, and pandas: Correlation With Python
了解什么是相关性以及如何使用 Python 计算相关性。您将使用 SciPy、NumPy 和 pandas 相关方法来计算三个不同的相关系数。您还将了解如何使用 Matplotlib 可视化数据、回归线和相关矩阵。
#2
课程
Starting With Linear Regression in Python
在本视频课程中,您将开始使用 Python 进行线性回归。线性回归是基本的统计和机器学习技术之一,而 Python 是机器学习的热门选择。
#3
教程
Logistic Regression in Python
开始使用 Python 进行逻辑回归。分类是机器学习最重要的领域之一,逻辑回归是其基本方法之一。您将学习如何创建、评估和应用模型来进行预测。
#4
教程
Stochastic Gradient Descent Algorithm With Python and NumPy
了解什么是随机梯度下降算法、它的工作原理以及如何使用 Python 和 NumPy 实现它。
#5
寻找实时对话?参观真正的 Python 社区聊天或加入下一个。快乐Python!
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)