專題名稱

授課內容

第1講（3小時）

R語言入門

目標：掌握R語言的基本用法

1.R語言介紹

2.編輯軟件Rstudio使用

3.R程序包的載入與使用

4.數據對象及運算（向量、矩陣、數組、列表與數據框處理）

第2講（3小時）

數據讀寫

R基本編程

目標：掌握用R編寫函數和數據的讀寫

1. R數據讀入與讀出

    （讀入txt、xls、SPSS、SAS、stata以及數據庫文件）

2.R 函數編寫

3.R的條件與循環函數

4.高效編程技巧介紹

第3講（3小時）

數據預處理

探索性分析

目標：掌握數據預處理與探索性分析

1.數據預處理

2.缺失值處理

3.隨機數生成

4.常用統計方法的蒙特卡洛模擬

5.隨機抽樣

6.單變量數據分析與作圖

7.雙變量數據分析與作圖

8.多變量數據分析與作圖

案例1：統計作圖在調查數據中的應用

案例2：統計作圖在臨床醫學中的應用

第4講（3小時）

數據挖掘與機器學習入門

線性回歸

目標：數據挖掘與機器學習入門

1.何為數據挖掘與機器學習

2.數據挖掘與機器學習的主要研究內容

3.有監督學習與無監督學習區別

4.一元線性回歸

5.多元線性回歸

6.逐步回歸

案例1：廣告營銷計劃案例

案例2：信用卡債務預測案例

案例3：房價預測案例

第5講（3小時）

線性分類方法

目標：掌握經典線性分類方法及其應用

1.Logistic模型

2.LDA判別分類

3.QDA判別分類

案例1：信用卡違約預測案例

案例2：股價漲跌方向預測案例

第6講（3小時）

重抽樣方法

互動交流討論

目標：掌握經典重抽樣方法

1.驗證集方法

2.交叉驗證

3.Bootstrap方法

案例1：量化投資資產配置案例

案例2：汽車每加侖汽油里程數預測案例

互動交流討論

專題名稱

授課內容

第1講

線性分類方法

目標：掌握經典線性分類方法及其應用

1.Logistic模型

2.LDA判別分類

3.QDA判別分類

案例1：信用卡違約預測案例

案例2：股價漲跌方向預測案例

第2講（3小時）

重抽樣方法

目標：掌握經典重抽樣方法

1.驗證集方法

2.交叉驗證

3.Bootstrap方法

案例1：量化投資資產配置案例

案例2：汽車每加侖汽油里程數預測案例

第3講（3小時）

決策樹

組合預測

課程目標：掌握決策樹和組合預測方法及其實際應用。

1.CART決策樹

2.Bagging

3.隨機森林   

4.Boosting算法

案例1：棒球運動員薪水預測案例

案例2：心臟病預測案例

案例3：信用卡違約預測案例

第4講（3小時）

支持向量機

課程目標：掌握支持向量機分類方法

1.最大間隔分類器

2.支持向量分類器

3.支持向量機

案例1：基因表達數據案例

案例2：股票漲跌方向預測

第5講（3小時）

變量選擇與高維數據

目標：掌握數據挖掘中高維數據分析方法及其實際應用

1.LASSO

2.SCAD

3.MCP

4.Group  LASSO

案例1：基因篩選

案例2： 股票選股

第6講（3小時）

無監督學習

主成分分析

主成分回歸

聚類分析

目標：掌握無監督學習方法及其應用。

1.主成分分析

2.主成分回歸

3.Kmeans聚類分析

4.系統聚類分析

案例1：廣告支出主成分分析

案例2：犯罪率主成分分析

案例3：學生考試成績主成分分析

案例4：客戶細分聚類案例