1 线性代数 符号和基础知识 矩阵乘法 运算性质 矩阵微分 2 概率论 概率空间 随机变量及其分布 随机变量的数字特征 条件期望

5.1 气味信息的特征与提取 5.2 气味信息的预处理 5.3 主成分分析 5.4 独立成分分析 5.5 聚类分析 5.6 线性判别分析 5.7 支持向量机分析

3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.4 回归方程的显著性检验 3.5 中心化和标准化 3.6 相关阵与偏相关系数

4.1 异方差性产生的背景和原因 4.2 一元加权最小二乘估计 4.3 多元加权最小二乘估计 4.4 自相关性问题及其处理 4.5 异常值与强影响点 4.6 本章小结与评注

第一节 因子分析简介 第二节 基本原理 第三节 求解初始因子 第四节 解释因子 第五节 因子值及其应用 第六节 研究实例

2 .1 一元线性回归模型 2 .2 参数β0、β1的估计 2 .3 最小二乘估计的性质 2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计 2 .7 预测和控制 2 .8 本章小结与评注

方差分析 – 方差分析的过程 – 单因素方差分析 – 二因素方差分析 相关分析 – 相关分析的过程 回归分析 – 一元回归 – 多元回归

1 基本原理 2 多分类器结合 3 装袋 Bagging 4 提升法 Boosting（提升法） AdaBoost 算法 AdaBoost 算法的另一个解释

1 概率密度估计 2 直方图方法 3 Parzen 窗 4 K 近邻密度估计 k 近邻分类器

◼ SAS系统介绍 ◼ 什么是 SAS ◼ SAS系统发展概况 ◼ SAS软件系统的使用 ◼ SAS系统的启动和退出 ◼ 编写运行调试保存SAS程序的过程 ◼ SAS常用功能键