课程大纲： Python应用高级培训
01. 线性代数的实践
1.1 创建矩阵
1.2 矩阵的基本运算
1.3 解多元一次方程
1.4 判断正定矩阵
1.5 求解协方差矩阵
1.6 求相关系数矩阵
1.7 线性规划选址
02. 统计分析：回归模型探讨
2.1 线性回归拟合
2.2 广义线性回归拟合
2.3 Logit回归拟合
2.4 Robust回归拟合
2.5 分位数回归
2.6 岭回归
03. 假设检验
3.1 T检验
3.2 单因素方差分析再探讨
3.3 重复抽样的单因素方差分析
3.4 多因素方差分析
3.5 单因素卡方检验
3.6 双因素卡方检验
04. 预测算法：回归模型的机器学习应用
4.1 机器学习数据概览
4.2 广义线性回归模型的机器学习应用
4.3 岭回归的机器学习应用
4.4 Logistic回归的机器学习应用
05. 分类算法：判别分析与聚类
5.1 决策树分类器
5.2 kmeans聚类算法
5.3 kmeans聚类可视化
5.4 谱聚类
5.5 谱聚类可视化
5.6 主成分分析
5.7 判别分析
0.6 时间序列分析
6.1 自相关活偏相关系数的平稳性检验
6.2 ACF和PACF可视化展示
6.3 单位根检验
6.4 平稳时间序列分析
6.5 绘图判断残差正态性
6.6 平稳时间序列模型预测
6.7 非平稳时间序列处理
6.8 VAR模型
07. 绘图工具深入学习
7.1 Matplotlib基本设置
7.2 修改参数，移动坐标轴
7.3 添加文字注释
7.4 基本图形的绘制
7.5 3D图像绘制
7.6 Chart绘图
加入高级会员获得助教答疑
