第01章
课程导论与环境参数预测概述
回归算法在环境科学中的角色 · PM2.5/温度/湿度场景 · 课程目标与路径
导论场景
第02章
环境数据采集与预处理实战
API/传感器/公开数据集 · 缺失值均值填充 · 3σ与IQR异常检测
预处理异常检测
第03章
探索性数据分析(EDA)与可视化
Pandas概览 · Matplotlib/Seaborn趋势图 · 相关性热力图
EDA可视化
第04章
特征工程基础
过滤法/包裹法 · PCA降维 · 时间滞后与滑动窗口
特征工程PCA
第05章
数据集划分与评估指标
留出法/交叉验证 · MSE/RMSE/MAE/R²详解
评估划分
第06章
简单线性回归原理与实现
最小二乘法推导 · 单变量预测 · Scikit-learn实现
线性回归基础
第07章
多元线性回归实战
多特征预测PM2.5 · VIF共线性诊断 · Ridge/Lasso引入
多元回归共线性
第08章
多项式回归与过拟合处理
特征多项式扩展 · 过拟合可视化 · 学习曲线调参
多项式过拟合
第09章
岭回归(Ridge)与Lasso回归
L2/L1正则化 · α调优 · 特征选择对比
RidgeLasso
第10章
弹性网络(ElasticNet)实战
L1+L2混合正则化 · 高维环境数据应用
ElasticNet正则化
第11章
K近邻回归(KNN Regressor)
欧氏/曼哈顿距离 · K值选择 · 交叉验证
KNN距离
第12章
决策树回归(Decision Tree)
树结构原理 · 特征重要性 · 剪枝策略
决策树剪枝
第13章
随机森林回归(Random Forest)
Bagging集成 · 多棵树投票 · 特征重要性排序
随机森林集成
第14章
梯度提升回归(GBR)
Boosting迭代 · 学习率/树数量 · XGBoost/LightGBM初探
GBRXGBoost
第15章
支持向量回归(SVR)
线性核/RBF核 · C与epsilon调优 · 非线性环境数据
SVR核函数
第16章
神经网络回归入门
MLP · ReLU/Sigmoid · Keras搭建回归模型
神经网络Keras
第17章
时间序列回归基础
AR/MA模型 · ARIMA在环境参数中的应用
时间序列ARIMA
第18章
LSTM长短期记忆网络回归
RNN原理 · LSTM门控 · Keras预测PM2.5序列
LSTM深度学习
第19章
模型集成与堆叠(Stacking)
基学习器选择 · 元学习器 · 环境预测竞赛应用
Stacking集成
第20章
超参数调优实战
GridSearchCV · RandomizedSearchCV · Optuna贝叶斯优化
调优Optuna
第21章
模型解释性(SHAP与LIME)
特征贡献度 · SHAP值可视化 · LIME局部解释
可解释性SHAP
第22章
模型部署基础
Flask预测API · Pickle/Joblib序列化 · Docker初探
部署Flask
第23章
案例实战一：气象数据预测PM2.5
数据清洗+特征工程+模型对比+调优
PM2.5实战
第24章
案例实战二：温室大棚温湿度预测
多步时间序列预测+LSTM模型
温室LSTM
第25章
案例实战三：城市AQI预测
多输出回归+集成模型
AQI多输出
第26章
案例实战四：河流水质参数预测
溶解氧/PH值 · 缺失值处理+非线性模型
水质非线性
第27章
案例实战五：土壤湿度与蒸发量预测
特征构造+正则化模型
土壤正则化
第28章
模型评估与误差分析
残差分析 · 预测区间 · 偏差方差权衡
评估残差
第29章
课程总结与进阶方向
回归全景图 · 学习资源 · 深度学习+环境科学趋势
总结进阶
第30章
期末项目：完整环境参数预测系统
从数据采集到部署全流程设计与报告
项目全流程