用Python动手学统计学

感谢观看
3-4用 Python模拟 抽样
1
3-5样本统计 量的性质
2
3-6正态分布 及其应用
3
3-7参数估计
4
3-8假设检验
5
3-9均值差的 检验
3-10列联表检 验
3-11检验结果 的解读
01模方 法
04
4-4参数估 计：最大似 然估计
06
4-6预测精 度的评估与 变量选择
Ridge回归与 Lasso回归
3 7-3 Python
中的 Ridge回 归与 Lasso回 归
4
7-4线性模型 与神经网络
5
7-5扩展内容
作者介绍
这是《用Python动手学统计学》的读书笔记模板，暂无该书作者的介绍。
精彩摘录
这是《用Python动手学统计学》的读书笔记模板，可以替换为自己的精彩内容摘录。
用Python动手学统计学
读书笔记模板
01 思维导图
03 读书笔记 05 作者介绍
目录
02 内容摘要 04 目录分析 06 精彩摘录
思维导图
本书关键字分析思维导图
方法
量
机器
基础
描述统计
模型
样本
统计学
读者
书 第章
抽样
统计学
线性
变量
参数估计
分布
评估
检验
内容摘要
《用Python动手学统计学》是面向零基础读者的统计学入门书，对同一个知识点分别使用文字、公式和 Python示例代码加以讲解，循序渐进地介绍了统计学和Python的基础知识、使用Python进行统计分析的方法、 正态线性模型和广义线性模型等统计模型，以及机器学习等。通过阅读本书，读者不仅可以通过书中例子深刻理 解统计学术语、统计分析方法和预测方法等，还可以学到十分前沿的机器学习知识，以及如何使用Python实现数 据可视化和建模等。《用Python动手学统计学》结构清晰、直观易懂，适合统计学和Python初学者以及对数据科 学和机器学习感兴趣的读者使用，也可作为高等院校计算机、统计等专业学生的入门书。
读书笔记
如果有概率论和统计学知识的话，这本书非常适合你，基本都是实操，理论部分很少，不推荐没有统计学知 识的人阅读。
目录分析
1-1统计学 1-2获取样本的过程
1-3抽样过程的抽象 描述
1-4描述统计基础
1
1-5总体分布 的推断
1-6概率质量 2
函数与概率密 度函数
3
1-7统计量的 计算
4
1-8概率论基 础
5
1-9随机变量 与概率分布
2-1环境搭建
2-2认识 Jupyter Notebook
2-3 Python编程基 础
2-4认识 numpy与 pandas
3-1使用 Python进 行描述统计：单变量
3-2使用 Python进 行描述统计：多变量
3-3基于 matplotlib、 seaborn的数据可视 化
03
4-3数据表 示与模型名 称
05
4-5参数估 计：最小化 损失
5-2方差分析
5-1含有单个连续 型解释变量的模型
（一元回归）
5-3含有多个解释 变量的模型
6-2广义线性模型 基础
6-1各种概率分布
6-3 logistic回归
6-4广义线性模 型的评估
6-5泊松回归
1
7-1机器学习 基础
7-2正则化、 2