V
主页
京东 11.11 红包
4.1 绘制二元变量
发布人
能够随心处理各型数据,能够画出美美哒图片,R语言的下一步追求在哪里? 在这里,结合统计知识,利用数据建模,从数据蓝海中抽丝剥茧,找到可以为你所用的数据价值。如何做到? 您请好了!懂你的UP主重磅推出覆盖更多好用技能的“每天15分钟”R语言系列。由浅入深,手把手教你数据建模~ 快来感受科技的力量! 贴心UP,依然带codes,每周更新发布哟~(懒人福利!懒人福利!!懒人福利!!!) 还等什么!还不快一键三连(关注、点赞,投币)呀~小站更新秒知道啦~
打开封面
下载高清视频
观看高清视频
视频下载器
4.5 模型拟合
4.3 简单线性回归
4.4 解读回归模型
4.11 部分F检验与变量选择
5.3 假设检验及机会成本
14.2 线性混合效应模型
6.2 t分布简介
12.1 GAM模型简介
每天5分钟学习R语言-Exploratory data in R
10.1 在R中的日期和时间数据
1.9 变量分类与汇总
基于R语言的时间序列分析
1.7 从R导出数据
1.1 二项分布
6.2 坐标
17.1 KNN
8.1 绘制比例
13.4 用广义线性模型进行多元回归
20.2 分层聚类
3.2 泊松分布
Lecture 1 - Advanced Topics in Population PK-PD Modeling & Simulation
17.2 朴素贝叶斯
Lecture 1 - MI205- R for Pharmacometrics (2011)
13.2 用广义线性模型做逻辑分析
1.5 从excel导入数据(read.csv)
6.2 左合并 右合并
13.3 可视化和解读GLM结果
14.3 广义线性效应模型
8.1 什么是统计模型
4.12 多项式回归
8.3 评估模型预测能力
16.5 树状模型方法
17.3 逻辑回归
8.5 协变量及效应大小
3.2 骰子游戏
3.1 数据可视化
Lecture 3 - Advanced Topics in Population PK-PD Modeling & Simulation
2.8 计算数据分布
Lecture 2 - Advanced Topics in Population PK-PD Modeling & Simulation
5.1 Bootstrap法进行假设检验