Lecture 6¶

1. Regression Analysis¶

1.1. Influential Data Points¶

Cook's Distance：库克距离，是一种衡量数据点对回归模型影响力的指标。它考虑了数据点的杠杆值和残差平方和。杠杆值是数据点在自变量空间中的位置，残差平方和是数据点在因变量空间中的位置。库克距离越大，说明数据点对回归模型的影响越大。一般来说，库克距离大于4/n（n为样本大小）时，认为该数据点是异常值。

Dummy Variable：虚拟变量，是一种将分类变量转换为数值变量的方法。它将分类变量的每个类别转换为一个二进制变量，表示该类别是否存在。虚拟变量的个数等于分类变量的类别数减去1。

1.2. Non-Parametric Linear Regression¶

Non-parametric linear regression：非参数线性回归，是一种不假设数据分布的线性回归方法。它使用局部加权回归（LOWESS）或局部多项式回归（LOESS）等方法来拟合数据。

1746772367678

2. Machine Learning¶

2.1. Unsupervised Learning¶

使用没有标签的数据进行训练，在没有显性指导的情况下进行学习，用于探索数据的结构和模式。常用的方法有聚类分析、主成分分析（PCA）、独立成分分析（ICA）等。

Clustering：聚类分析，是一种将数据分为不同组的方法。常用的方法有K-means、层次聚类、DBSCAN等。