交通大数据分析¶
课程简介¶
2019 级 课程简介
本门课程包含以下内容:
- 数据预处理及分析方法
- 回归模型
- 机器学习算法
- 神经网络及深度学习初探
先修要求¶
- 数学类基础课
- 数据结构
开设学期¶
大二下
考核方式¶
课程竞赛
开卷考试
课程资料¶
课程作业¶
2019 级 作业
课程作业:
包含四个课程作业，每个作业提供了两份参考答案 (含代码，非标准答案，仅供参考)
- Assigment1: 描述性统计、参数估计、假设检验
- Assigment2: 计数回归及泊松回归
- Assigment3: 主成分分析及因子分析
- Assigment4: 二元逻辑回归
- Assigment5: 支持向量机及决策树
课程竞赛:
课程工具¶
主要使用 Python 作为编程语言，涉及 numpy，pandas，matplotlib，scipy，statsmodels，scikit-learn， 等的使用，以及基本的 *.csv、*.xlsx 文件处理
部分作业也可以使用 SPSS、Stata 等商业软件完成
其他资源¶
南瓜书: 旨在对西瓜书里比较难理解的公式加以解析，以及对部分公式补充具体的推导细节
CS 自学指南: 在这里可以找到关于机器学习公开课的介绍以及对应的课程资料
机器学习白板推导系列: 大佬手把手带你从头推导机器学习算法
MIT 18.065 数据分析、信号处理和机器学习中的矩阵方法: 授课教师是 Gilbert Strang