智慧医学语言基础

雷都

目录

  • 1 第1章 Python编程基础
    • 1.1 搭建 Python的编程环境
      • 1.1.1 本节补充知识
    • 1.2 新建课程目录
    • 1.3 运行Python语言程序
    • 1.4 Python 代码编写规范
    • 1.5 简单的Python代码语句
    • 1.6 数据类型
      • 1.6.1 数字
      • 1.6.2 字符串
      • 1.6.3 列表
      • 1.6.4 元组
      • 1.6.5 集合
      • 1.6.6 字典
    • 1.7 运算符与优先级
      • 1.7.1 算术运算符
      • 1.7.2 比较运算符
      • 1.7.3 逻辑运算符
      • 1.7.4 运算符优先级
    • 1.8 标准库
    • 1.9 (2022预防+2023眼视光)第二次课学习视频(共6个视频)
    • 1.10 （2022预防+2023眼视光）第三次学习视频
  • 2 第2章 程序流程控制及函数
    • 2.1 2.1  程序执行的流程控制
    • 2.2 2.2 选择语句
      • 2.2.1 单分支选择结构
      • 2.2.2 双分支选择结构
      • 2.2.3 多分支选择结构
      • 2.2.4 选择嵌套
    • 2.3 2.3 循环语句
      • 2.3.1 while循环
      • 2.3.2 for循环
      • 2.3.3 range()函数
      • 2.3.4 break和continue
      • 2.3.5 （2022预防+2023眼视光）第四次课学习视频
      • 2.3.6 （2022预防+2023眼视光）第五次课学习视频
    • 2.4 2.4函数
      • 2.4.1 自定义函数
      • 2.4.2 自定义函数的参数传递
      • 2.4.3 lambda函数
      • 2.4.4 常用函数列表
      • 2.4.5 模块
    • 2.5 2.5异常处理
  • 3 第3章 Python 常用包及医学数据统计分析
    • 3.1 3.1 numpy包
      • 3.1.1 3.1.1 numpy的安装及介绍
      • 3.1.2 3.1.2 numpy数组
      • 3.1.3 补充：数组索引
      • 3.1.4 补充：数组的一般运算
      • 3.1.5 补充：numpy对文件的读写
    • 3.2 pandas包
      • 3.2.1 3.2.1 pandas的安装及介绍
      • 3.2.2 3.2.2 pandas的Series数据结构
      • 3.2.3 3.2.3 pandas的DataFrame数据结构
    • 3.3 3.3 matplotlib包
      • 3.3.1 3.3.1 matplotlib的安装及介绍
      • 3.3.2 3.3.2 matplotlib中figure画布及其坐标系统
      • 3.3.3 1. scatter函数
      • 3.3.4 2. plot函数
      • 3.3.5 3. hist函数
      • 3.3.6 4. pie函数
      • 3.3.7 5. bar函数
      • 3.3.8 6. boxplot函数
    • 3.4 3.4 医学数据分析常用指标
      • 3.4.1 3.4.1 集中趋势度分析
      • 3.4.2 3.4.2 离中趋势分析指标
    • 3.5 3.5 相关性分析
      • 3.5.1 3.5.1 基本概念
      • 3.5.2 3.5.2 Pearson（皮尔逊）相关系数
  • 4 第4章 医学数据的获取和可视化
    • 4.1 4.1 二维表格式文件的读取与写入
      • 4.1.1 4.1.1 pandas读取csv文件和excel文件
      • 4.1.2 4.1.2 xlrd库、 xlwt库 和xlutils库
      • 4.1.3 4.1.3 openpyxl
    • 4.2 4.4 【医学案例4-9】：血糖数据的可视化
      • 4.2.1 4.4.1 概述
      • 4.2.2 4.4.2 案例4.2 血糖数据的可视化
  • 5 第5章 线性回归分析及Logistic回归
    • 5.1 5.1 scikit-learn的安装
    • 5.2 5.2 一元线性回归
      • 5.2.1 5.2.1数据导入与清洗
      • 5.2.2 5.2.2 作散点图，选择线性回归模型
      • 5.2.3 5.2.3线性回归模型及参数估计
      • 5.2.4 5.2.4线性回归分析相关函数
    • 5.3 补充：机器学习入门
      • 5.3.1 1. 机器学习概述
        • 5.3.1.1 1-1. 什么是机器学习
        • 5.3.1.2 1-2 机器学习特征
        • 5.3.1.3 1-3 机器学习分类
        • 5.3.1.4 1-4 常用术语
        • 5.3.1.5 1-5 sklearn
      • 5.3.2 2. 线性回归
        • 5.3.2.1 2.1 回归问题
        • 5.3.2.2 2.2 一元线性回归分析
        • 5.3.2.3 2.3 实现步骤(1)
        • 5.3.2.4 2.3 实现步骤(2)
    • 5.4 视频学习
  • 6 第6章 机器学习常见分类与聚类分析
    • 6.1 9.1 scikit-learn简介及安装
      • 6.1.1 9.1.1 scikit-learn简介
      • 6.1.2 9.1.2 scikit-learn的安装
    • 6.2 9.8  k-means聚类算法
9.1 scikit-learn简介及安装
暂无内容