该参考描述所示目录。请向院校确认当前的招生项目及适用于您入学年的条件。
描述
计算统计 分类：逻辑回归、线性与二次判别分析；重抽样方法：交叉验证与自助法；线性模型选择与正则化：子集选择、收缩方法、降维方法、高维情形的注意事项；非线性回归：多项式回归、回归样条、平滑样条、局部回归与广义加性模型；基于树的方法：决策树、装袋、随机森林与提升法；支持向量机：最大间隔分类器、支持向量分类器、支持向量机（SVM）、多类 SVM；无监督学习：主成分分析、聚类方法。讲座，每周 3 小时；实验，每周 1 小时。限制：仅向数据科学与分析专业开放。先决条件：STAT 3P82 或 STAT 3P86 或 STAT（DASA）3P87 中的一门，或授课教师许可。
先修课程
- 先决条件：STAT 3P82 或 STAT 3P86 或 STAT（DASA）3P87 中的一门，或授课教师许可。
条件与方式
- 限制：仅向数据科学与分析专业开放。
- 先决条件：STAT 3P82 或 STAT 3P86 或 STAT（DASA）3P87 中的一门，或授课教师许可。
原文参考文本
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
来源与参考
为帮助您核实信息，保留了日期和来源。为便于阅读提供了翻译；以官方来源为准，查看条件和要求。
来源参考 : https://brocku.ca/webcal/2024/undergrad/math.html