统计学习: 无监督学习
介绍无监督学习方法：主成分分析降维及K均值与系统聚类
ml
Machine learning, deep learning and statistical learning
统计学习: SVM（支持向量机）
讲解支持向量机的最大间隔分类器、软间隔与核函数原理
Pytorch: 使用torch.utils.data封装数据
讲解Dataset、IterableDataset与DataLoader的封装方式及采样批处理参数
Rlang: 虽然不知道为什么要学
记录R语言统计学习常用函数：线性回归、广义线性模型与预测分析
统计学习: 树型模型
介绍回归树与分类树的建树剪枝方法及装袋、随机森林、提升等集成模型
统计学习: 非线性模型
介绍非线性回归方法：多项式回归、回归样条、光滑样条与GAM
统计学习: 估计方法
讲解测试误差的估计方法：交叉验证、留一法与自助法及自举推断
统计学习: 变量选择
讲解变量选择方法：子集选择、逐步回归及Lasso与Ridge压缩估计
统计学习: 分类任务
整理统计学习分类方法：逻辑回归、判别分析与K近邻等分类模型
统计学习: 线性回归
讲解简单与多元线性回归的最小二乘估计、显著性检验及模型评价指标