1,课程内容全面,涵盖回归分析的基本内容,并与机器学习方法有机结合,体现了与时俱进的特点,主要内容包括:一元与多元线性回归的基本理论、回归模型的诊断与矫正、非线性与定性变量回归、求解分类问题的Logistic回归、变量选择、过拟合与正则化技术;
2,课程以Python为教学语言,详细讲解对实际数据进行回归建模与分析的基本步骤与注意事项,具有很强的可操作性;
3,注重案例实践。学生需上机完成一系列案例分析作业,并根据分析结果回答相应问题,才能得到案例实践部分的成绩;
4,在线平台提供单元测试、互动讨论、期终考试等一系列功能,帮助同学更好地掌握回归分析的基本理论和应用方法。
1、本课程以概率论与数理统计为先修课程,同时应有较好的微积分与线性代数基础。
2、有过学习一门高级编程语言(如C、R、Matlab等)的经历即可,如有关于Python的基础知识更佳。
课程按百分制计分,总评成绩60分~80分为合格,81分(含)以上为优秀。
成绩合格和优秀的学员可以自愿申请认证证书,本课程不提供免费证书。
主要参考资料:
回归理论部分:
1、何晓群,刘文卿:《应用回归分析》,中国人民大学出版社,2015年4月第4版。
2. 唐年胜、李会琼:《应用回归分析》,科学出版社,2014年1月第1版。
Python实践部分:
1.埃里克·马瑟斯(Eric Matthes):《Python编程——从入门到实践》,人民邮电出版社,2016年7月第1版。
2. 韦斯·麦金尼(Wes McKinney):《利用Python进行数据分析》,2018年8月,第2版。
Q : 本课程使用哪个 Python版本?
A : 本课程使用Python 3。
Q : 使用哪个开发环境?
A:使用Anaconda作为开发环境,在Windows操作系统下进行学习,这是对初学者极为友好的学习环境。
Q : 有指定教材吗?
A : 没有。建议分别选择有关回归理论和Python操作的参考资料,结合使用。