🌱 回归分析与预测模型搭建
30章 · 从入门到实战
📚 友好色系
01
回归分析概述
什么是回归分析
应用场景
线性与非线性
02
数学基础回顾
均值·方差
协方差
相关系数
最小二乘法
03
简单线性回归
模型公式
参数估计
模型解释
04
多元线性回归
模型扩展
矩阵形式
多重共线性
05
模型评估指标
R² / 调整R²
MSE
RMSE
MAE
06
Python环境搭建
Anaconda
Jupyter
NumPy/Pandas
Scikit-learn
07
数据探索与可视化
数据加载/清洗
描述性统计
散点图矩阵
热力图
08
简单线性回归实战
Scikit-learn实现
训练/预测
可视化
09
多元线性回归实战
编码/标准化
特征重要性
模型训练
10
多项式回归
特征构造
过拟合与欠拟合
复杂度控制
11
正则化方法
岭回归(L2)
Lasso(L1)
弹性网络
12
回归诊断
残差分析
正态/异方差
Durbin-Watson
13
特征工程
过滤法/包裹法/嵌入法
PCA
14
交叉验证
K折
留一法
分层交叉验证
15
超参数调优
GridSearchCV
RandomizedSearchCV
16
决策树回归
原理·实现
可视化
剪枝策略
17
随机森林回归
Bagging
集成策略
特征重要性
18
梯度提升回归
GBRT
XGBoost
LightGBM
CatBoost
19
支持向量回归 SVR
原理·核函数
参数调优
20
K近邻回归 KNN
原理·距离度量
K值选择
21
神经网络回归入门
感知机·MLP
激活函数
损失函数
22
时间序列回归
AR·MA
ARIMA模型
23
时间序列分解
趋势·季节性
残差·STL
24
时间序列预测实战
Statsmodels
ARIMA诊断
预测
25
模型部署基础
Pickle/Joblib
Flask API
26
项目实战一：房价预测
完整流程
特征工程
调优评估
27
项目实战二：销售预测
时间序列+回归混合
28
模型解释性
SHAP·LIME
特征重要性
部分依赖图
29
常见陷阱与最佳实践
数据泄露
过拟合
类别不平衡
模型监控
30
课程总结与进阶路径
学习资源
Kaggle
论文建议
30章完整目录 · 点击卡片跳转对应章节