High Dimensional Data Analysis

课程简介

多元正态分布；均值向量和协方差矩阵的估计；多重和部分相关系数；图形模型（精确矩阵的估计）。主成分分析；判别与分类；高维线性回归：岭回归；最小绝对收缩与选择算子（LASSO）；坐标下降算法；选择高维稀疏参数估计的主题（如正则化线性判别分析、GLASSO）。多重假设检验方法；FDR控制；数据伦理处理；研究的可重复性。

学习目标

本课程旨在使学生理解多元和高维数据分析的理论，并将其应用于实际数据分析。课程将要求学生使用R和MATLAB等计算机软件完成作业和小型项目。

先修要求

先修课程：金融分析应用线性模型（AMA2602）或应用线性模型（AMA3602）或数据科学统计（AMA3631）和线性代数（AMA1751）或数据科学数学方法（AMA3001/AMA3701）或金融数学方法（AMA3723）或高等数学方法（AMA3724）或同等课程。排除高维数据分析（AMA4002）

教学模式

本课程主要通过讲授和辅导进行授课。讲授将介绍课程大纲中的高维数据分析方法概念，随后通过自学阅读、示范、辅导练习、作业和小型项目等活动进行强化。