🤖 统计学习 (Statistical Learning)
📈 课程基本信息 (Course Metadata)
- 开课单位：数学科学学院 (School of Mathematical Sciences)
- 先修要求：数学分析、高等代数、概率论、数理统计、回归分析
- 课程性质：统计专业本科核心课程
📚 参考教材 (References & Credits)
本笔记的构建主要基于以下资源：
- 课程 PPT：特别鸣谢任课老师提供的详尽授课讲义。本 MkDocs 笔记的内容逻辑与推导思路深度参考了老师的 PPT 结构。
- The Elements of Statistical Learning
🗺️ 课程地图 (Syllabus & Navigation)
以下是本课程的详细笔记目录：
Part I: 基础监督学习方法
Part II: 正则化与高维线性模型
Part III: 分类问题与最大间隔方法
Part IV: 核方法与非参数估计
Part V: 树模型与集成学习
Part VI: 因果推断
📝 关于笔记的说明
Construction Complete
本页面内容基本已建设完毕。
笔记中的长篇定理与习题解答均采用了 折叠框 设计，如发现 Typo，欢迎通过 Issue 或直接联系我指正！