V
主页
7.1 单个分类变量的推论
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
12.4 分类变量的logistic GAMs
15.4 构建、完善和评估分类变量模型
13.3 可视化和解读GLM结果
13.4 用广义线性模型进行多元回归
32 分类变量-数值变量分析大纲
3.7 Wilcoxon秩和检验
13.3 创造分类变量
6.3 两参数间差异的推论
18.2 分类模型拟合和模型评价
4 变量与变量类型
4.4 连续变量转分类变量
25.3 验证性因子分析
18.4 数据预处理
8.3 评估模型预测能力
4.5 指示变量
13.2 用广义线性模型做逻辑分析
4.8 分类变量的线性回归II
2.1 画出多元变量数据
8.1 什么是统计模型
5.2 Bootstrap法获得置信区间
23.2 混合模型结构及参数估计
【7月】鹿乃子乃子乃子虎视眈眈 01
21.5 提升树
14.3 广义线性效应模型
10.1 平行斜率
15.3 模型的训练、测试和验证
25.4 改善模型
5.4 置信区间
5.2 美学
21 置信区间的计算
15.2 用broom建多种模型
10.1 在R中的日期和时间数据
6.2 坐标
16.3 几个考虑点
6.1 Bootstrapping法估计参数
5 柱状图 饼图 频率表
8.3 单变量分布
6 直方图 密度图 for 数值型变量
26.2 基础实验
5.1 Bootstrap法进行假设检验