课程主页: https://www.coursera.org/learn/linear-models
课程概述
欢迎参加Coursera上的《数据科学的高级线性模型 1：最小二乘法》课程。这门课程从线性代数和数学的角度介绍了最小二乘法，适合那些希望深入了解线性模型的学习者。在开始学习之前，请确保你具备以下基础知识：
- 线性代数和多元微积分的基础理解。
- 统计学和回归模型的基本知识。
- 对数学证明有一定熟悉度。
- 对 R 编程语言有基本了解。
课程大纲
背景
我们将涵盖一些在整个课程中需要的基本矩阵代数结果，包括基本的向量导数。此外，我们还将探讨一些矩阵创建数据摘要统计的基本用法，比如计算和减去观测均值（中心化）以及计算方差。
一元回归与二元回归
在这一模块中，我们cover 了通过原点回归和线性回归的基础知识。通过原点回归是一个有趣的案例，因为它可以构建出多元回归的所有方面。
线性回归
我们在此讲解线性回归，即调查未混杂线性关系的最标准技术。
一般最小二乘法
我们现在将转向一般最小二乘法，其中一个任意全秩设计矩阵与一个向量结果进行拟合。
最小二乘法示例
在这里，我们给出一些经典的线性模型示例，以便将它们与您可能已经使用的技术联系起来。
基与残差
在这一部分，我们提供了一种非常有用的线性模型，即将信号分解为基扩展。
结论
总之，《数据科学的高级线性模型 1：最小二乘法》是一门极具深度且实用的课程，适合希望通过扎实的数学基础提升数据分析能力的学习者。课后，您将更加熟悉最小二乘法的应用，并能够使用R语言实现相关模型，提升您的数据科学技能。
课程主页: https://www.coursera.org/learn/linear-models