401年数据应用机器学习

统计机器学习（通常简称为统计学习）是统计学的一个新分支。它强调机器学习模型的可解释性、精确性和不确定性。本课程评估了几种有监督和无监督机器学习模型在回归和分类方面的准确性。主题包括偏差-方差权衡，训练和测试数据集，重采样方法，收缩和降维方法，非线性建模技术，如回归样条和广义加性模型，以及基于决策树的方法。应用包括医学、生物学、市场营销、金融、保险和体育领域的例子。

先决条件

• 211年的数据:数据科学与可视化 和 311年统计:回归分析

特殊的信息

注意：系统未确定先决条件的学生应联系数学和统计部门，在MATH@metrostate.edu上进行重写。