應用多變量分析與機器學習
Applied Multivariate Analysis and Machine Learning
| 節 | 週三 |
|---|---|
3 10:10–11:00 | 應用多變量分析與機器學習 HA216 3 節連堂 |
4 11:10–12:00 | |
N 12:20–13:10 |
* 根據陽明交大上課時間表所列
本課程目標為學生熟悉統計模型概念,能實際應用教育研究常用之模型回答研究問題,由此分為以下四大目標: 1. 能理解與多變量分析/機器學習相關的概念。 2. 能自行建構模型,並使用統計軟體 (例如R) 進行分析。 3. 能正確解釋統計結果。 4. 能閱讀並理解統計模型最新發展研究。
教育或心理統計學 (變異數分析、回歸分析等)、量化研究法或近似課程。尚未修過上述課程者,請先與授課老師面談。
講述、分組討論與報告、同步與非同步教師與學生討論、與專家演講。 教學相關配合事項: 1.作業:遲交一天扣該作業總分10%,依此類推。 註:切勿抄襲,違者該部分不計分。 2.若對作業或考試分數有疑義,請於收到成績與評語後一周內與授課老師討論。 3.E3: 討論區、繳交作業與老師批改回覆
每周作業 (30%) 團體學期報告與期末研究成果交流 (45%) 期末考試 (25%)
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程介紹、統計模型概念、基本矩陣概念、資料處理/[實作:R] |
| 第 2 週 | Lecture 1: The Multivariate Normal Distribution (Ch4) Lecture 2: Inferences About a Mean Vector (Ch5) |
| 第 3 週 | Lecture 3: Comparisons of Several Multivariate Means (Ch6) |
| 第 4 週 | Lecture 4: Multivariate Linear Regression Models (Ch7) |
| 第 5 週 | Lecture 5: Principal Components (Ch8) |
| 第 6 週 | Lecture 6: Exploratory Factor Analysis (Ch9) |
| 第 7 週 | Lecture 7: Confirmatory Factor Analysis, Inference for Structured Covariance Matrices (Ch9) |
| 第 8 週 | Lecture 8: Canonical Correlation Analysis (Ch10) |
| 第 9 週 | 期末研究proposal報告與討論 |
| 第 10 週 | Lecture 9: Discrimination and Classification (Ch11) |
| 第 11 週 | Lecture 10: Clustering, Distance Methods and Ordination (Ch12) |
| 第 12 週 | 全校運動會(停課) |
| 第 13 週 | Lecture 11: Latent Class Analysis |
| 第 14 週 | Lecture 12: Random Forest, Support Vector Machine, Logistic Regression |
| 第 15 週 | 期末考 |
| 第 16 週 | 期末研究成果交流 |
以下為課程用教科書: Johnson, W. (2014). Applied Multivariate Statistical Analysis (6th edtion). Pearson. 以下為其他相關書籍,供學生參考: 1. Sharma, S. (1996). Applied Multivariate Techniques. New York: John Wiley. 2. Hair, J., W. Black, B. Babin &R. Anderson (2014). Multivariate Data Analysis, 7th ed., NY: Prentice Hall. 3. 陳正昌、林曉芳(2020)《 R統計軟體與多變量分析》,台北:五南。
- 地點
- 研究室:人社一館 HA323
- 時間
- Office hour:星期二10:00am~12:00pm (採寄信預約制)
- 聯絡方式
- 分機:58030 Email:ykchen@nycu.edu.tw