Teaching

统计建模教学书稿

版权所有 © 2026 王晓飞。此书稿为未定稿版本（Draft），内容仍会调整与改写。 仅允许个人学习与科研引用；未经作者书面许可，不得转载、镜像、二次公开发布或用于任何商业用途。

书稿简介

本书总结了作者的统计学习与统计建模经验，涵盖线性模型、广义线性模型、非参数\半参数模型、图模型与因果推断等内容。适合统计学习者、研究生及科研人员作为参考资料。

章节概览

• 第一章：引言
• 第二章：问题先行
• 第三章：因果语言
• 第四章：线性回归模型
• 第五章：广义线性模型与似然
• 第六章：非参数回归与平滑
• 第七章：半参数模型与部分似然
• 第八章：模型评估
• 第九章：Bootstrap
• 第十章：EM 算法
• 第十一章：一致大数定律
• 第十二章：神经网络的相合性
• 第十三章：支持向量机
• 第十四章：Minimax 框架
• 第十五章：深度 ReLU 神经网络回归
• 第十六章：两层神经网络的非渐近理论

后续教学资源

未来可在此添加 Jupyter Notebook、R/Python 代码示例、课件 PPT 等资源。