應用統計學專業《統計計算》課程教學大綱(課程代碼：06122166)本課程教學大綱由數學與統計學院統計系討論制訂，數學與統計學院教學工作委員會審定，教務處審核批準。一、課程基本信息課程名稱：統計計算課程代碼：06122166課程類別：專業拓展課程適用專業：應用統計學課程修讀性質：選修先修課程：概率論與數理統計學分：2學分學時：32學時二、課程目標通過本課程的學習，使學生達到以下目標：目標1：具備熟練運用現代信息技術進行文獻檢索、分析、整理、歸納能力；具有統計調查、數據處理、統計分析、統計計算、統計軟件應用等能力。目標2：掌握數據挖掘中分類與聚類基本方法和理論依據、貝葉斯分類、決策樹分類方法等，應用統計計算理論與方法分析經濟、管理中的預測與決策等實際問題。目標3：掌握統計計算的基本理論和基本方法；熟悉調研報告、研究方案設計及論文撰寫的基本要求和撰寫規范。目標4：具有從事數據領域科學研究的初步能力和獲取新技術知識的基本能力，具有將統計計算的相關理論和方法運用到生活和生產中的創新意識。目標5：能夠應用統計學基本理論和基本方法，設計數據分析方案，并對統計數據進行有效處理，具備常用統計軟件的操作能力、統計計算能力和定量分析能力。課程目標與專業畢業要求的關系課程目標支撐的畢業要求支撐的畢業要求指標點課程目標12.基礎能力(L)2-1具有一定的數學基礎和邏輯思維能力，掌握必要的計算機編程技術。2-2具備運用現代信息技術進行文獻檢索、分析、整理歸納的能力。課程目標23.知識能力(M)3-1掌握統計科學與技術的基本思維方法和研究方法。3-2了解數據處理技術的應用前景、以及相關行業最新進展與發展動態。課程目標34.專業能力(H)4-1掌握統計學的基本理論、基本方法。4-2具有統計調查、數據處理、統計分析與寫作、統計軟件應用等能力。4-3熟悉調研報告、可行性分析、研究方案設計及論文撰寫規范。課程目標45.創新意識(H)5-1具有一定的創新意識和從事數據領域科學研究的初步能力。5-2具有獲取新技術、知識和信息的基本能力。課程目標56.實踐能力(M)6-1能應用統計學基本理論和方法，設計數據采集方案，并對數據進行處理與分析。6-2具備常用統計軟件的操作能力、統計計算能力和定量分析能力。三、課程學習內容(一)理論學習內容及要求序號課程模塊學習內容課程目標學習重點難點教學方法學時1統計學習概論統計學習基本概念課程目標1重點：1.統計學習的基本思想2.模型評估與選擇的標準難點：3.模型的正則化方法講授法8統計學習三個要素課程目標1模型評估與模型選擇課程目標4正則化與泛化能力課程目標22樸素貝葉斯方法樸素貝葉斯方法學習與分類課程目標3重點：樸素貝葉斯方法的修正后驗概率最大化的意義難點：3.后驗概率的估計方法講授法8樸素貝葉斯方法的修正課程目標2貝葉斯方法的參數估計課程目標53信息熵基本概念1.信息熵的定義課程目標1重點：1.信息熵的基本思想2.信息增益與增益比的計算難點：3.最大熵原理的應用講授法82.信息增益與信息增益比課程目標2最大熵原理課程目標34決策樹分類方法決策樹模型與學習課程目標4重點：1.決策過程中的特征選擇難點：2.決策樹的剪枝方法講授法8特征選擇課程目標3決策樹生成與剪枝課程目標5：通過多媒體課件和傳統教學相結合，闡明課程與教學基本原理，培養學生的學習規范。通過現實案例分析與討論，理論知識與實踐相結合，培養學生的應用意識和反思能力。通過教學實踐周組織學生完成項目，培養學生發現問題、分析問題、解決問題的能力。四、課程考核(一)考核內容與考核方式課程目標考核內容所屬學習模塊/項目考核占比考核方式課程目標11.統計學習基本概念統計學習概論10%課程論文2.統計學習三個要素統計學習概論3.信息熵的定義信息熵基本概念課程目標21.正則化與泛化能力統計學習概論20%課程論文2.樸素貝葉斯方法的修正樸素貝葉斯方法3.信息增益與信息增益比信息熵基本概念課程目標31.樸素貝葉斯方法學習與分類樸素貝葉斯方法30%課程論文2.最大熵原理信息熵基本概念3.特征選擇決策樹分類方法課程目標41.模型評估與模型選擇統計學習概論20%課程論文2.決策樹的模型與學習決策樹分類方法課程目標51.貝葉斯方法的參數估計樸素貝葉斯方法20%課程論文2.決策樹生成與剪枝決策樹分類方法課程論文評定標準：成績為5個等級，具體如下：不及格：(1)文章的內容與題目完全偏離；離題或大段抄襲別人的文章，并弄虛作假；(2)態度不認真，內容空洞，邏輯混亂，表達不清，語句不通。及格：(1)文章基本上按要求書寫，方法基本符合要求，基本獨立完成，但內容不充實；(2)文章基本有條理，但結構有缺陷；方法能基本說明問題，能對數據作出一般分析，但較單薄，對材料的挖掘缺乏應有的深度，不夠全面；(3)文字表達基本清楚，文字基本通順。中等：(1)文章能夠聯系數據實際情況，內容較充實，具有一定的科學性；(2)獨立完成，論點正確，但論據不充足或說理不透徹，對數據的本質挖掘不夠深入；(3)材料較具體，文章結構合理，層次比較清晰，有邏輯性，表達能力也較好；(4)基本符合正規學術論文格式要求，排版基本整齊、準確。良好：(1)文章能運用所學方法的理論知識聯系實際，并能提出問題，分析問題。對所論述的問題有較強的代表性，有一定的個人見解，并有一定的理論深度；(2)數據來源具體。對數據的分析較充分，有說服力，聯系數據背景實際情況，但不夠透徹；(3)文章結構嚴謹，層次清晰，行文規范，條理清楚，文字通順，書寫工整，圖表正確、清楚，數字準確；(4)合正規學術論文格式要求，排版整齊、準確。優秀：(1)文章能運用所學的理論知識聯系實際，并能提出問題，分析問題。對所論述的問題有很強的代表性，有深刻的挖掘成果和理論深度；(2)數據來源真實具體，有社會意義。對數據的分析充分，有說服力，聯系實際情況，論述透徹；(3)文章結構嚴謹，層次清晰，行文規范，條理清楚，文字通順，書寫工整，圖表清楚，數字準確。(二)成績評定1.平時成績評定(1)課堂表現(5分)：通過學生在課堂上的表現，如發言、提問、答問來評價相關能力。(2)作業完成(15分)：圍繞課程的學習目標進行作業設計，考核學生對于概念的理解。(3)實踐教學(10分)：通過課堂教案設計和課堂片段展示匯報，訓練學生的實踐能力。(4)課堂考勤(10分)：通過隨機課堂考勤，培養學生紀律意識和端正的學習態度。2.期末成績評定期末成績以課程論文的方式進行考核。課程考核主要考察學生對基本概念和具體方法的理解與運用，同時考察學生收集資料能力、研究設計能力、解決實際問題能力和合作研究能力。3.總成績評定總成績(100%)=平時成績(40%)+期末成績(60%)五、其它說明(一)教材選用統計學習方法，李航主編，清華大學出版社，2012年.(二)主要參考書[1]周志華，機器學習，清華大學出