Это становится все легче строить и использовать модели машинного обучения, но она по-прежнему является проблемой, чтобы использовать эти модели грамотно, и без совершения каких-либо вопиющих ошибок моделирования. В этом, конечно, построение статистических моделей с помощью StatsModels, вы научитесь интуитивно понимать, как подход статистические методы и их применения, не погрязнуть в магической математики. Во-первых, вы будете вникать в тесты на статистическую значимость с помощью T-теста, чтобы увидеть, есть ли различия в двух выборках населения разные, и как сказать, если различия являются статистически значимыми. Далее, вы будете исследовать, как использовать дисперсионный анализ (Anova) технологии, чтобы сравнить несколько различных образцов населения, чтобы увидеть, отличаются ли они на основании одного или нескольких факторов. Затем, вы откроете для себя различные регрессионные модели, такие как обобщенные (или утяжеленный) не менее регрессии квадратов, которые обычно используются с данными гетероскедастический и надежные линейные модели, чтобы справиться с выбросами. Наконец, вы узнаете специализированных статистических моделей, работа с временными рядами данных, в том числе авторегрессии и скользящего среднего модели, и семья АРМА который сочетает в себе обе эти. К концу этого курса, у вас будет развито интуитивное понимание статистики и сможете применить интуицию собственного конкретного случая использования, используя библиотеку StatsModel питона.

DOWNLOAD






turbobit

---