课程主页: https://www.coursera.org/learn/introduction-to-predictive-modeling
《预测建模入门》是明尼苏达大学在Coursera上提供的‘决策分析’专业中的第一门课程。该课程旨在向学员介绍预测建模的基本概念、过程及应用，重点关注线性回归和时间序列预测模型，并通过Microsoft Excel提供实际应用。
该课程的学习目标包括：理解预测建模的概念、过程和应用；掌握简单线性回归和多元线性回归的运用；准备适合预测建模的数据集；探索时间序列预测的基本技巧。
课程大纲如下：
第一模块：简单线性回归
本模块简要介绍预测建模问题及其广泛应用，尤其关注简单线性回归模型。我们将通过图形化方法说明简单线性回归模型的结构，阐释普通最小二乘法的直观理解，以及相关概念。最后，课程将演示如何利用Excel的工具，包括趋势线、回归工具和Trend()函数，拟合简单线性回归模型并用于预测。
第二模块：多元线性回归
在此模块中，我们将介绍多元线性回归及其广泛应用。学习如何使用Excel的回归工具和Trend()函数拟合多元线性回归模型，并利用生成的模型进行预测。同时，我们还会讨论过拟合/欠拟合问题以及构建良好回归模型的基本原则并介绍通过向后消除法选择良好模型的一个方法，该方法可在Excel中实施。
第三模块：数据准备
本模块将学习如何为预测建模准备数据集，介绍可用于此目标的Excel工具。我们将讨论变量的不同类型，如何利用分类、字符串和日期时间值进行预测建模。此外，内容将涉及高阶和交互变量在回归模型中的作用、多重共线性问题以及如何处理缺失值。我们还将介绍一些用于数据处理和探索的Excel工具，包括数据透视表、IF()函数、VLOOKUP函数和相对引用。
第四模块：时间序列预测
本模块专注于预测建模的一个特殊子集：时间序列预测。我们将讨论时间序列数据的特性和时间序列预测问题的结构，介绍适合平稳数据、具有趋势和季节性数据的一系列时间序列模型，重点讲解多种在Excel中易于实现的技巧，包括移动平均法、指数平滑法、双移动平均法、Holt方法和Holt-Winters方法。此外，还涵盖了基于线性回归的预测及用于提高预测准确度的复合预测软件。
总体来看，这门课程适合对预测分析感兴趣的初学者。通过实际使用Excel的演示，学员可以轻松掌握预测建模的核心技能，能够在现实项目中运用到所学知识。无论是数据科学，市场分析还是其他需要数据预测的领域，这门课程都为学员提供了很好的入门基础。
课程主页: https://www.coursera.org/learn/introduction-to-predictive-modeling