在数据科学统计建模课程的最后一门课程中，学员将学习一系列更高级的统计建模工具。这些工具包括广义线性模型 (GLM)，其中将介绍分类（通过逻辑回归）；非参数建模，包括核估计器、平滑样条；以及半参数广义加法模型 (GAM)。重点将放在对这些工具的牢固概念理解上。本课程可作为 Coursera 平台上提供的中大博尔德数据科学理学硕士（MS-DS）学位课程的一部分获得学分。MS-DS 是一个跨学科学位，汇集了来自中大博尔德应用数学、计算机科学、信息科学等院系的教师。MS-DS 以成绩为录取依据，不需要申请程序，非常适合在计算机科学、信息科学、数学和统计学方面拥有广泛的本科教育和/或专业经验的个人。了解有关 MS-DS 项目的更多信息，请访问 https://hua.dididi.sbs/degrees/master-of-science-data-science-boulder。 Logo 改编自 Vincent Ledvina 在 Unsplash 上拍摄的照片
广义线性模型和非参数回归
您将学到什么
说明如何推广线性模型框架，以适应不适合标准线性回归模型的数据。
说明（广义）加法模型的一些优缺点。
说明如何将加法模型推广到非正态响应变量中（即定义广义加法模型）。
您将获得的技能
您将学习的工具
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
8 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 数据科学应用统计建模 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
攻读学位
课程 是 University of Colorado Boulder提供的以下学位课程的一部分。如果您被录取并注册，您已完成的课程可计入您的学位学习，您的学习进度也可随之转移。
位教师
授课教师评分
(9个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
76.19%
- 4 stars
0%
- 3 stars
9.52%
- 2 stars
4.76%
- 1 star
9.52%
显示 3/21 个
CT
已于 Jun 27, 2023审阅
The pace of instruction is excellent and the assignments make it easy to translate theory to practice.
LB
已于 Jan 23, 2026审阅
Can speak highly enough of this professor. He is extremely knowledgeable and can convey concepts in one of the clearest ways I have ever seen in my academic career.
从 数据科学 浏览更多内容
University of Colorado Boulder
University of Colorado Boulder
University of Colorado Boulder
