A01 / undergraduate
线性模型与统计学习
线性模型与统计学习围绕第一编 回归与分类、第二编 复杂度与泛化、第三编 统计学习理论与综合复习建立连续章节顺序。
- 结构
- 3 Parts · 6 章
- 适合读者
- 适合已具备基础代数与函数知识、希望完成本科层次系统学习的读者。
- 正文状态
- 4 章已有正文，2 章已规划
BEFORE READING
先修与记号
本册对象
从最小二乘和广义线性模型进入正则化、泛化与统计学习理论。
符号约定
- 本册在首次使用时定义线性模型与统计学习专用符号，并区分标量、向量、算子与单位。
- 同一符号出现多种约定时明确命名空间、假设和适用章节。
COMPLETE CONTENTS
完整目录
第一编 回归与分类
第一编 回归与分类组织线性回归、最小二乘与正规方程、Logistic 回归与概率分类，形成连续的学习单元。
第二编 复杂度与泛化
第二编 复杂度与泛化组织过拟合、泛化与模型选择、正则化、偏差与方差，形成连续的学习单元。
第三编 统计学习理论与综合复习
第三编 统计学习理论与综合复习组织经验风险、容量与一致收敛、线性模型与统计学习综合复习，形成连续的学习单元。
综合练习计划
- 每章安排定义辨析、推导计算和结果核验练习。
- 本册末章安排跨 Part 综合题，并保留可复算的解题检查点。
参考资料计划
- TODO：为《线性模型与统计学习》逐项核验权威教材、课程页面或原始论文后登记资源 ID。
修订状态
课程 Schema v1。目录与章节位置已登记；参考资料需逐项核验后进入正式正文。