《大数据挖掘与统计机器学习（第3版）》 课件 第1、2章 概述、线性回归方法.pptx

1;2;3;4;十个基本问题

（1）要回答的问题

（2）数据收集

（3）数据的含义

（4）相关性

（5）问题的转化

（6）可比性：数据变换

（7）可视化

（8）随机性：数据的代表性、结果的不确定性

（9）稳定性：结果的可解释性、可重复性

（10）结果验证;第2章线性回归方法;7;8;9;10;?;?;?;14;?;?;?;?;?;?;?;22;?;24;2.3.2最小一乘回归与分位回归

例2.5(恩格尔数据案例);2.3.3其他罚函数

GroupedLasso

弹性网惩罚

;?;2.4.2评价准则

混淆矩阵、准确率、召回率。;?;?;2.5.3正则化的Logistic回归

变量选择

普通逐步回归

L1正规化逻辑回归模型(Lasso-LR)

例2.6(冠心病数据案例)