统计学习

历史匿名回执 · 2025/06/17

课程内容：统计学习导论，一路打通回归、分类、重采样方法、模型选择和惩罚、非线性方法、决策树、支持向量机、深度学习和主成分分析，报菜名似的。 上课自由度：好像就签了一次到。 考核标准：课后作业(30%)+随堂测验(3*10%)+大作业（展示和报告）(40%)，大作业就是拿一个数据集上去下几刀统计学习算法，自由度很松。 授课质量：一般，感觉收货有限，主要原因是里头挺多我早学过了，还有potions可读性偏低。老师上课有时候会插播点课外拓展，比如其他类别的损失函数等，但都是轻描淡写就过去了。选的教材一般，其实感觉西瓜书更好一点，用花书也行。然后几次小测要推的玩意给人一种“你到底让我推哪块”的抽象感，就是摆一些统计学习里的结论，作业则是R/python编程，跟着课本敲一遍就算交差。其实倒不如学那位老师的上法，在Kaggle上放几次竞赛当作业，大家打榜刷分，那样还蛮起劲的。这门课给分依旧稳，没有期末，当入门课还行。

历史匿名回执 · 2024/06/20

上课自由度：低，有点名签到，上课会巡逻随机抽问，还会拿名单点名抽问，会现场布置题抽人回答或者到黑板上做——简直是学渣版的密室逃脱，一抬头就可能被点。 考核标准：出勤10，作业20，大作业30，期末40。 授课质量：用的教材是ISLRv2，老师应该是有一定水平的，但是感觉PPT基本就是ISLR书copy过来，而且是复印机那种摁键声贼大的copy，连排版都懒得挣扎一下（我乱说的），讲话有点让人犯困，可能有早八的原因，反正最后听的意愿不是很强，基本是课后翻ISLR书看懂的。平时作业基本就是ISLR课后习题，github上有答案，属于开源式学习。大作业就是小组合作弄一些数据建模，最后一节课展示，然后完全由其他小组提问、打分，只要不是太离谱应该都不会互相为难的，毕竟出来混都不容易。期末考试有点像文科，要解释很多概念，老师有发往年题目可以参考复习，背就完了。另外老师说后面几届可能会取消期末考，不知道会不会做到，这饼我先吃为敬。 给分还是比较友好的，确实也还学到了一点东西，就是上课自由度方面确实有点煎熬，坐那儿出汗比你老家潮湿的梅雨季还长。

历史匿名回执 · 2023/06/11

课程内容：好，真·知识往脑子里灌，灌完还觉得值回票价 上课自由度：线上（这参考性可能约等于没有 考核标准：pre，开卷考（也线上，叠buff呢），作业，平时分这玩意儿到底有没有，我脑子跟被格式化了一样 授课质量：高，老师讲得那是真滴好，课的内容也扎实得离谱。安利！