MA6630

统计学习导论 (Introduction to Statistical Learning)

统计学习是一个新兴的跨学科领域，广泛应用于模式识别、信号处理、数据挖掘、生物信息学和金融工程等领域。本课程涵盖统计学习的前沿技术和算法，包括线性与非线性分类与回归、支持向量机、核方法、模型平均、增强学习及高维数据分析，为学生提供现代统计学习方法的基本概念和直觉。

🔗 相关链接

完成课程后，学生将能够：

✔️ 理解统计学习的基本概念及经典算法；

✔️ 解释学习算法背后的原理，并推广至各种新应用；

✔️ 编写计算机程序实现统计学习方法并应用于实际问题；

✔️ 推导课程算法的数学表达式。

评估项目	权重	具体描述
📂 作业	20%	涉及统计学习模型和算法的作业，评估问题解决能力。
📂 项目	20%	使用 R 或 Python 分析真实数据，展示统计学习模型的应用能力。
📝 期末考试	60%	为时两小时的考试，涵盖所有课程内容，需获得至少 30% 的分数方可通过。