Build your ultimate AI agent
课程介绍
使用 SciPy 和 NumPy 模拟结果
这门实用课程介绍蒙特卡洛模拟及其应用场景。 蒙特卡洛模拟用于估算不确定事件的一系列结果，而 Python 库如 SciPy 和 NumPy 让您快速轻松地创建自己的模拟！在有原则的模拟中应用新技能
在学习创建模拟的每一步时，你将通过对糖尿病患者结局数据集执行有原则的蒙特卡洛模拟来应用这些技能，并利用模拟结果了解不同变量如何影响糖尿病进展。学习如何评估并改进你的模拟
你将回顾概率分布，并了解如何为你的模拟选择合适的分布，同时你还将认识到输入相关性和模型敏感性分析的重要性。 最后，你将学习如何使用流行的 Seaborn 可视化库来传达你的模拟结果。先修要求
课程大纲
课程大纲
1
蒙特卡洛模拟入门
什么是蒙特卡洛模拟？它在何时最有用？在回答这些基础问题后，您将学习如何执行简单的模拟，例如估算圆周率。您还将了解重采样，这是一类特殊的蒙特卡洛模拟。
2
蒙特卡洛的基础
既然您已经能够运行简单的模拟，就可以开始探索蒙特卡洛模拟在各行业的真实应用。接着，您将深入理解优秀模拟的核心：从正确的概率分布中采样。您会学习离散型、连续型以及多元随机变量的概率分布。
3
规范化的蒙特卡洛模拟
当您对所选的概率分布感到熟悉后，就可以基于糖尿病患者特征与结局的数据集，按照一套规范化的蒙特卡洛模拟流程开展工作。您将探索数据、执行模拟，并生成汇总统计来传达您的模拟结果。
4
模型检验与结果解读
学习如何评估您的蒙特卡洛模型，并在 Seaborn 中用清晰易读的可视化展示结果。最后，使用敏感性分析来理解模型输入变化将如何影响结果，并通过模拟练习：当销售额与通胀变化时，企业利润会受到怎样的影响。
Python 中的蒙特卡洛模拟
课程完成
