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。

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。‍