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。
为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 http://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
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。
网上有害信息举报（涉未成年人）：网站 https://www.12377.cn 邮箱（涉未成年人） youdao_jubao@rd.netease.com
粤B2-20090191-26
| 京ICP备12020869号-2 |
京公网安备44010602000207
©2014-2024
浙公网安备 33010802012594号