这部分介绍了一些基本的统计概念，主要是考虑到部分同学，一般对方差的实际意义很模糊，对中位数与平均数的适用场景不清晰，以及对箱线图和小提琴图的不熟悉。
查看连续变量，使用直方图
汇总连续变量，描述变量的集中位置，使用均值
存在异常值的数据，新旧均值的对比，引入中位数
汇总连续变量，描述变量的分散程度，引入方差、标准差的概念
存在异常值的数据，引入四分位距，介绍箱线图
大量增加异常值，汇总统计量不适用的场景，引入小提琴图。
这部分以鸢尾花数据集为例
先是简单的数据探索
然后手动构建一个简单的分类器
随后引入决策树模型
又根据模型效果的思考，引入数据的拆分，如训练集和验证集的拆分，k重交叉检验的拆分
随后介绍针对分类模型的评价方法，如混淆矩阵，precision，recall等指标，ROC曲线，PR曲线。
这部分介绍了一些分类模型
先介绍了逻辑回归的基本原理，用鸢尾花数据集画了分类边界；
随后依次介绍了k最近邻算法、朴素贝叶斯分类器、支持向量机、集成算法（如装袋算法、随机森林、提升算法等）；
最后以手写体数字数据集为例，使用各分类模型识别手写体数字，k最近邻算法效果最好。
这部分介绍了一些回归模型。
先介绍了一元线性回归，以婴儿出生月份与体重的数据为例进行讲解。
介绍了回归模型处理高维数据的衍生模型，如岭回归、lasso、弹性网等。
以糖尿病数据为例，进行预测分析。
以波士顿房价数据为例，进行预测分析。
05 数据科学的模型——聚类、降维、数据预处理及特征选择的简介
这部分介绍了聚类、降维、数据预处理、特征选择的相关内容。
以K-Means为例，介绍了聚类模型；
以主成分分析PCA模型为例，介绍了降维模型；
以数据标准化处理为例，介绍了数据预处理的相关方法；
最后，介绍了特征选择的一些常用方法。
Welcome your advice and suggestion!
Just record, this article was posted at linkedin, and have 67 views to November 2021.