ข้อมูลอ้างอิงนี้อธิบายสารบบที่ระบุ โปรดติดต่อสถาบันเพื่อยืนยันข้อเสนอปัจจุบันและเงื่อนไขที่ใช้กับปีที่คุณจะเข้าเรียน
คำอธิบาย
Computational Statistics การจำแนกประเภท: การถดถอยโลจิสติก, การวิเคราะห์ตัวแยกเชิงเส้นและเชิงกำลังสอง; วิธีการรีแซมปลิง: การตรวจสอบข้ามและบูทสแตรป; การเลือกแบบจำลองเชิงเส้นและการทำให้เป็นระเบียบ: การเลือกย่อย, วิธีการหดตัว, วิธีลดมิติ, ข้อพิจารณาในมิติสูง; การถดถอยไม่เชิงเส้น: การถดถอยพหุนาม, สแปลยน์ถดถอย, สแปลยน์เรียบ, การถดถอยท้องถิ่นและแบบจำลองเติมเชิงทั่วไป; วิธีต้นไม้ตัดสินใจ: ต้นไม้ตัดสินใจ, bagging, random forests, และ boosting; เครื่องเวกเตอร์สนับสนุน: ตัวจำแนกขอบเขตสูงสุด, ตัวจำแนกเวกเตอร์สนับสนุน, SVM, SVM สำหรับหลายคลาส; การเรียนรู้แบบไม่ต้องมีผู้สอน: การวิเคราะห์องค์ประกอบหลัก, วิธีการกลุ่มคลัสเตอร์ บรรยาย 3 ชั่วโมงต่อสัปดาห์; ปฏิบัติการ 1 ชั่วโมงต่อสัปดาห์ ข้อจำกัด: เปิดรับเฉพาะนักศึกษาหลักสูตร Data Sciences and Analytics เท่านั้น วิชาก่อนหน้า: หนึ่งใน STAT 3P82 และ STAT 3P86 หรือ STAT (DASA) 3P87 หรือได้รับอนุญาตจากผู้สอน
รายวิชาก่อนหน้า
- วิชาก่อนหน้า: หนึ่งใน STAT 3P82 และ STAT 3P86 หรือ STAT (DASA) 3P87 หรือได้รับอนุญาตจากผู้สอน
เงื่อนไขและข้อกำหนด
- ข้อจำกัด: เปิดรับเฉพาะนักศึกษาหลักสูตร Data Sciences and Analytics เท่านั้น
- วิชาก่อนหน้า: หนึ่งใน STAT 3P82 และ STAT 3P86 หรือ STAT (DASA) 3P87 หรือได้รับอนุญาตจากผู้สอน
ข้อความอ้างอิงในภาษาต้นฉบับ
Computational Statistics Classification: logistic regression, linear and quadratic discriminant analysis; Resampling methods: cross-validation and bootstrap; Linear model selection and regularization: subset selection, shrinkage methods, dimension reduction methods, considerations in high dimensions; Nonlinear regression: polynominal regression, regression splines, smoothing splines, local regression and generalized additive models; Tree-based methods: decision trees, bagging, random forests, and boosting; Support vector machines: maximal margin classifier, support vector classifiers, support vector machines (SVMs), SVMs with more than two classes; Unsupervised learning: principal component analysis, clustering methods. Lectures, 3 hours per week; Lab, 1 hour per week Restriction: open to Data Sciences and Analytics majors only Prerequisite(s): one of STAT 3P82 and STAT 3P86 or STAT (DASA ) 3P87 or permission of the instructor
- Prerequisite(s): one of STAT 3P82 and STAT 3P86 or STAT (DASA ) 3P87 or permission of the instructor
- Restriction: open to Data Sciences and Analytics majors only
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://brocku.ca/webcal/2024/undergrad/math.html