本文详细介绍了线性回归，包括简单线性回归和多元线性回归的原理和应用。通过实例展示了如何使用Python进行线性回归模型的建立、诊断与优化，包括残差分析、异方差性处理、强影响点识别和多重共线性分析。
线性回归
①相关分析：一个连续变量与一个连续变量间的关系。
②双样本t检验：一个二分分类变量与一个连续变量间的关系。
③方差分析：一个多分类分类变量与一个连续变量间的关系。
④卡方检验：一个二分分类变量或多分类分类变量与一个二分分类变量间的关系。
本次介绍：
线性回归：多个连续变量与一个连续变量间的关系。
其中线性回归分为简单线性回归和多元线性回归。
/ 01 / 数据分析与数据挖掘
数据库：一个存储数据的工具。因为Python是内存计算，难以处理几十G的数据，所以有时数据清洗需在数据库中进行。
统计学：针对小数据的数据分析方法，比如对数据抽样、描述性分析、结果检验。
人工智能/机器学习/模式识别：神经网络算法，模仿人类神经系统运作
订阅专栏 解锁全文
扫一扫
1917
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
