这门课用的教材是约翰逊（第六版），书后习题/上机题网上搜会有答案（有一些错误）

https://max.book118.com/html/2018/0125/150394748.shtm

老师基本上把整本书除了第七章以外都过了一遍，但是声音比较小、比较催眠，所以我这学期都没怎么听过这门课（对不起崔老师...）学期中会布置几次课堂小测，基本上是点名性质，最后似乎也没啥用。老师讲课速度是随着时间不断上升的...所以后面的几章基本上就讲了个大概，不过后面章节考试的时候考的也不是很难，印象里11章考了费希尔判别函数，12章考了个简单的聚类。
平常作业题目也比较基础，基本上自己看一遍书都能做；上机就比较麻烦，是用R语言写程序实现课后上机题，这学期的助教两周收一次纸质/上机作业，基本上大部分同学应该都是临交的时候赶的2333

这学期期末考试比较简单，如果复习地比较充分的话可能就只有计算的问题了，这门课都没有考过书上那些特别复杂的公式和对应关系，只要翻翻往年卷子（开心英语书店买的）大概就知道会考哪些东西了，基本上像楼下学长说的没有考比T^2联合置信区间更复杂的公式。

不过最后的给分比较一言难尽...在自我感觉比较好的情况下拿到了一个意料之外的分数...最后没有安排查卷和查上机作业分，可能是因为我上机报告太敷衍了或者考试的时候出现了一些计算失误吧...

作为统计的专业课，多元还是比较重要的。然而这个老师讲得也很一言难尽（同样比较坑的还有回归和时序…）

教材是“经典”的约翰逊，难度不算大，书上内容还挺杂的。老师前面花了很多时间讲多元正态方差分析啥的，感觉就是带个公式就没了…后面判别分析啥的一下子就讲完了？又是一门老师很随意需要自学的课…

作业主要就是练习套套书上的公式，上机作业就是把复杂的式子在计算机上算一下…还挺花时间的…最后的考试基本就是算算…注意一定要带计算器！可以求三阶矩阵逆的那种！最后给分也不知道怎么给的…据说有点杀…

老师的思维比较奇葩，喜欢东扯西扯。比如讲完主成分他让大家学习了kernel PCA并当堂交一份个人的理解…完全想不到这么做的意义，难道那点时间还能把这理解了？？？再比如考试的时候给了具体数据但没给分位数。问助教，助教问老师，然后笑着说，老师说他故意没给分位数。我就有点看不懂？？？可能我的理解确实跟不上老师吧…

评到这里，不禁长叹一声…你科统计专业课也太艰难了…

这门课涵盖了多元分析的几大基本方法，教材用的是经典的

Applied Multivariate Statistical Analysis, by Dean W. Wichern and Richard A. Johnson

也是我为数不多的一字不落地看完的英文教材之一。浅显易懂，对新手特别友好。

此处列举一下涵盖的内容：

• Wishart distribution, Hotelling's T²
• Multivariate normal distribution, linear combination of random variables
• Principal component analysis (PCA)
• Canonical correlation analysis (CCA)
• Factor analysis
• Analysis of variance (ANOVA)
• Discriminant analysis (LDA, QDA)
• Cluster analysis (k-means, hierarchical clustering)

书中甚至还提到了神经网络。如此看来，这门课完全可以作为统计(机器)学习的入门。

崔老师的数理基础很扎实，课本里有些略过的较为复杂的证明，老师也能运用线代知识在黑板上现场推出来。

至于讲课的话，确实有点无聊（没有抑扬顿挫），但讲解的方式我觉得是没问题的。或许可以加一点方法的有趣应用？

最后的考试比较简单，只要平时听听课或者认真看看书，答案应该是信手拈来。