专题名称

授课内容

第1讲（3小时）

R语言入门

目标：掌握R语言的基本用法

1.R语言介绍

2.编辑软件Rstudio使用

3.R程序包的载入与使用

4.数据对象及运算（向量、矩阵、数组、列表与数据框处理）

第2讲（3小时）

数据读写

R基本编程

目标：掌握用R编写函数和数据的读写

1. R数据读入与读出

    （读入txt、xls、SPSS、SAS、stata以及数据库文件）

2.R 函数编写

3.R的条件与循环函数

4.高效编程技巧介绍

第3讲（3小时）

数据预处理

探索性分析

目标：掌握数据预处理与探索性分析

1.数据预处理

2.缺失值处理

3.随机数生成

4.常用统计方法的蒙特卡洛模拟

5.随机抽样

6.单变量数据分析与作图

7.双变量数据分析与作图

8.多变量数据分析与作图

案例1：统计作图在调查数据中的应用

案例2：统计作图在临床医学中的应用

第4讲（3小时）

数据挖掘与机器学习入门

线性回归

目标：数据挖掘与机器学习入门

1.何为数据挖掘与机器学习

2.数据挖掘与机器学习的主要研究内容

3.有监督学习与无监督学习区别

4.一元线性回归

5.多元线性回归

6.逐步回归

案例1：广告营销计划案例

案例2：信用卡债务预测案例

案例3：房价预测案例

第5讲（3小时）

线性分类方法

目标：掌握经典线性分类方法及其应用

1.Logistic模型

2.LDA判别分类

3.QDA判别分类

案例1：信用卡违约预测案例

案例2：股价涨跌方向预测案例

第6讲（3小时）

重抽样方法

互动交流讨论

目标：掌握经典重抽样方法

1.验证集方法

2.交叉验证

3.Bootstrap方法

案例1：量化投资资产配置案例

案例2：汽车每加仑汽油里程数预测案例

互动交流讨论

专题名称

授课内容

第1讲

线性分类方法

目标：掌握经典线性分类方法及其应用

1.Logistic模型

2.LDA判别分类

3.QDA判别分类

案例1：信用卡违约预测案例

案例2：股价涨跌方向预测案例

第2讲（3小时）

重抽样方法

目标：掌握经典重抽样方法

1.验证集方法

2.交叉验证

3.Bootstrap方法

案例1：量化投资资产配置案例

案例2：汽车每加仑汽油里程数预测案例

第3讲（3小时）

决策树

组合预测

课程目标：掌握决策树和组合预测方法及其实际应用。

1.CART决策树

2.Bagging

3.随机森林   

4.Boosting算法

案例1：棒球运动员薪水预测案例

案例2：心脏病预测案例

案例3：信用卡违约预测案例

第4讲（3小时）

支持向量机

课程目标：掌握支持向量机分类方法

1.间隔分类器

2.支持向量分类器

3.支持向量机

案例1：基因表达数据案例

案例2：股票涨跌方向预测

第5讲（3小时）

变量选择与高维数据

目标：掌握数据挖掘中高维数据分析方法及其实际应用

1.LASSO

2.SCAD

3.MCP

4.Group  LASSO

案例1：基因筛选

案例2： 股票选股

第6讲（3小时）

无监督学习

主成分分析

主成分回归

聚类分析

目标：掌握无监督学习方法及其应用。

1.主成分分析

2.主成分回归

3.Kmeans聚类分析

4.系统聚类分析

案例1：广告支出主成分分析

案例2：犯罪率主成分分析

案例3：学生考试成绩主成分分析

案例4：客户细分聚类案例