终身教育平台
首页
课程
开放教育概论
终身教育专题
书法书写基础知识
书法结构
美学原理专题
法律专题
我的课程
登录/注册
在线报名
报名咨询
终身教育平台
首页
课程
开放教育概论
终身教育专题
书法书写基础知识
书法结构
美学原理专题
法律专题
我的课程
登录/注册
4009003658
hello@edumy.com
Become an Instructor
×
登录您的账户
购买
记住用户名
忘记了密码？
登录
使用您的账号登录：
统一登录
全站搜索未启用
MoodleOpen付费课程测试1
首页
课程
终身教育平台
MoodleOpen付费课程测试1
第5章 回归分析
5.1.1一元线性回归分析
跳到主要内容
5.1.1一元线性回归分析
5.1.1一元线性回归分析
◄ 5.1.1一元线性回归分析
跳至...
跳至...
新闻通告
学习说明
教学大纲
考核说明
教学团队
本章导学
1.1.1 Python简介
1.1.1 Python简介
1.1.2 Python基本数据结构
1.1.2 Python基本数据结构
1.1.3 Python常用的数据分析和数据挖掘工具库
1.1.3 Python常用的数据分析和数据挖掘工具库
1.2 商业数据分析和挖掘工具——SAS
1.2 商业数据分析和挖掘工具——SAS
1.3 数据分析和挖掘一般流程
1.3 数据分析和挖掘一般流程
本章导学
2.1 数据类型和分布标准化
2.1.1缺失值处理
2.1.1缺失值处理
2.1.2 异常点
2.1.2 异常点
2.1.3 重复数据
2.1.3 重复数据
2.2 整合
2.2 整合
2.3 抽样
2.3 抽样
2.4 离散化
2.4 离散化
2.5 主成分分析
2.5 主成分分析
2.6 属性变量处理
2.6 属性变量处理
本章小结
思考题
本章导学
3.1 期望预测误差与估计
3.1 期望预测误差与估计
3.2.1分类模型评价指标
3.2.1分类模型评价指标
3.2.2回归模型评价指标
3.2.2回归模型评价指标
3.3.1外部指标
3.3.2内部指标
本章小结
思考题
本章导学
4.1 函数关系与相关关系
4.1 函数关系与相关关系
4.2 两个变量之间的相关分析
4.2 两个变量之间的相关分析
4.2.1 简单相关分析
4.2.1 简单相关分析
4.2.2 偏相关分析
4.2.2 偏相关分析
4.2.3 点二列相关分析
4.2.3 点二列相关分析
4.2.4 非参数相关分析
4.2.4 非参数相关分析
4.3 两组变量之间的相关分析:典型相关
4.3 两组变量之间的相关分析:典型相关
4.4 关联分析
4.4 关联分析
4.4.1 Aprior算法
4.4.1 Aprior算法
4.4.2 FP-growth算法
4.4.2 FP-growth算法
本章小结
思考题
本章导学
5.1线性回归分析
5.1线性回归分析
5.1.1一元线性回归分析
5.1.2多元线性回归分析
5.1.2多元线性回归分析
5.1.3带分类变量的回归
5.1.3带分类变量的回归
5.2非线性回归
5.2.1 可线性化的非线性分析
5.2.1 可线性化的非线性分析
5.2.2 非线性回归模型
5.2.2 非线性回归模型
5.2.3 多项式回归分析
5.2.3 多项式回归分析
5.3分位数回归
5.3分位数回归
5.4离散因变量模型
5.4.1 线性概率模型
5.4.1 线性概率模型
5.4.2 二元选择模型
5.4.2-1 二元选择模型
5.4.2-2 BINARY PROBIT模型
5.4.3 多重选择模型
5.4.3 多重选择模型
5.4.4 计数模型
5.4.4 计数模型
本章小结
思考题
本章导学
6.1.1判别函数
6.1.1判别函数
6.1.2分类问题评价准则
6.1.2分类问题评价准则
6.2 线性判别与贝叶斯判别
6.2.1 线性判别
6.2.2 贝叶斯判别
6.3.1近邻分类的思想
6.3.1近邻分类的思想
6.3.2近邻分类步骤
6.3.2近邻分类步骤
6.4 决策树
6.4 决策树
6.4.1 hunt算法
6.4.1 hunt算法
6.4.2 ID3算法
6.4.2 ID3算法
6.4.3 C4.5算法
6.4.3 C4.5算法
6.4.4 CART算法
6.4.4 CART算法
6.5 随机森林
6.5.1 随机森林算法
6.5.1 随机森林算法
6.5.2 随机森林优势
6.5.2 随机森林优势
6.6 支持向量机 （SVM）
6.6 支持向量机 （SVM）
6.6.1 最大边缘超平面
6.6.2 线性可分
6.6.3 线性不可分
本章小结
思考题
本章导学
7.1 聚类分析的基本原理
7.1 聚类分析的基本原理
7.2 系统聚类
7.2 系统聚类
7.3 快速聚类（K-Means聚类）
7.3 快速聚类（K-Means聚类）
7.4 DBSCAN聚类
7.4 DBSCAN聚类
本章小结
思考题
本章导学
8.1 时间序列的基本问题
8.1.1 时间序列的组成部分
8.1.1 时间序列的组成部分
8.1.2 时间序列的平稳性
8.1.2 时间序列的平稳性
8.2 ARIMA模型分析过程
8.2.1 ARIMA模型
8.2.1 ARIMA模型
8.2.2 ARMA模型的识别、估计与预测
8.2.2 ARMA模型的识别、估计与预测
本章小结
思考题
形考任务1（阶段性学习测验，第1-3章，权重20%）
形考任务2（阶段性学习测验，第4-6章，权重20%）
形考任务3（阶段性学习测验，第7-8章，权重20%）
形考任务4（实验报告，权重20%，辅导教师需评阅）
形考任务5（平时成绩，学生无需作答，权重20%，需辅导教师评分）
Pandas、Numpy、Sklearn库的安装和使用简介
练习数据类型和分布标准化
缺失值处理练习
缺失值处理练习
异常点检测练习
重复数据处理练习
数据整合练习
抽样练习
一元线性回归分析练习
多元线性回归分析练习
非线性回归分析练习
决策树算法练习
随机森林算法练习
系统聚类练习
快速聚类练习
DBSCAN聚类练习
电力系统用电量预测项目实战案例1-数据预处理
电力系统用电量预测项目实战案例2-数据探索分析
电力系统用电量预测项目实战案例2-数据探索分析
电力系统用电量预测项目实战案例4-树状建模与调参
电力系统用电量预测项目实战案例5-结果预测
电力系统用电量预测项目实战案例5-结果预测
1 Pandas、Numpy、Sklearn库的安装和使用简介
2 练习数据类型和分布标准化
4 异常点检测练习
5 重复数据处理练习
6 数据整合练习
7 抽样练习
8 连续数据离散化练习
9 主成分降维练习
10 属性数据处理练习
11 简单相关系数的计算练习
12 偏相关分析练习
13 点二列相关练习
14 非参数相关练习
15 典型相关练习
16 关联分析1-apriori算法练习
17 关联分析 2-FP树算法练习
18 一元线性回归分析练习
19 多元线性回归分析练习
20 非线性回归分析练习
20 非线性回归分析练习
21 分位数回归分析练习
22 离散选择模型练习
23 线性判别练习
24 KNN算法练习
25 决策树算法练习
26 随机森林算法练习
27 支持向量机算法练习
28 系统聚类练习
29 快速聚类练习
30 DBSCAN聚类练习
31 绘制时序图练习
32 自相关系数图及其检验练习
33 平稳性检验练习
34 ARIMA模型分析过程练习
35 电力系统用电量预测项目实战案例1-数据预处理
36 电力系统用电量预测项目实战案例2-数据探索分析
37 电力系统用电量预测项目实战案例2-数据探索分析
38 电力系统用电量预测项目实战案例4-树状建模与调参
39 电力系统用电量预测项目实战案例5-结果预测
40 电力系统用电量预测项目实战案例5-结果预测
5.1.2多元线性回归分析 ►
终身教育平台
实名认证
×
上传身份证:
终身教育平台
终身教育平台