第一章：回归分析概述

1.1什么是回归模型

1.2 从统计角度看回归

1.3 机器学习中的回归

1.4 本章知识点结构图

测验一

第二章 Python基本介绍

2.1. Python安装和基本界面

2.2. Python内建数据结构和函数和文件

2.3. Python模块numpy

2.4. Python模块pandas

2.5. Python模块matplotlib

2.6. Python模块statsmodels

2.7 本章知识点结构图

第二章数据与代码文件

测验二

第三章 一元线性回归

3.1 一元线性回归模型

3.2 参数的最小二乘估计

3.3 估计量的分布和t检验

3.4 拟合优度和F检验

3.5 一元回归预测

3.6 综合案例

3.7 本章知识点结构图

测验三

第四章 多元线性回归

4.1 多元模型与最小二乘估计

4.2 显著性检验

4.3 数据的中心化和标准化

4.4 相关阵与散点图矩阵

4.5 综合案例

4.6 本章知识点结构图

第四章数据与代码文件

测验四

案例作业一：基础多元回归

第五章 违背基本假设的情况

5.1 基本假设与残差分析

5.2 异方差的概念与检验

5.3 异方差的处理

5.4 自相关的含义和检验

5.5 自相关的处理

5.6 多重共线性

5.7 多重共线性的检验

5.8 异常值和强影响点

5.9 本章知识点结构图

第五章案例数据文件

测验五

案例作业二：自相关检验与处理

第六章 线性回归的拓展

6.1.多项式回归

6.2.非线性回归

6.3.含两分类变量的回归模型

6.4.含多分类变量的回归模型

6.5 本章知识点结构图

第六章案例数据文件

测验六

案例作业三：多项式回归

第七章 Logistic 回归

7.1 二分类问题和神经元模型

7.2 Logistic 回归的建立

7.3 极大似然与模型求解

7.4 ROC曲线和AUC

7.5 综合案例

7.6 多元逻辑回归

7.7 非均衡数据集

7.8 本章知识点结构图

第七章数据与代码文件

测验七

案例作业四：逻辑回归

第八章 变量选择与正则化

8.1.变量选择的传统方法

8.2.岭回归分析

8.3.模型的正则化

8.4.案例

8.5 本章知识点结构图

第八章数据与代码文件

案例作业五：共线性和逐步回归

测验八

案例作业六：模型正则化