课件内容：
绪论
了解什么是数据挖掘，什么是金融数据挖掘；学习金融数据挖掘的意义；理解金融数据挖掘的任务；了解数据挖掘技术在金融领域的应用情况和应用价值。
1.1什么是数据挖掘？ What is Data Mining？;;;1.2数据挖掘在金融领域中的应用How Data Mining Works in Financial Area?
数据
了解什么是数据，什么是金融大数据；掌握数据类型与数据质量；理解金融大数据预处理的意义；掌握相似性和相异性的度量方法。
2.1什么是数据？ What is data(1)?;;;2.2 什么是数据？What is data(2)?;;;2.3金融数据的相似性与相异性 Data pre-processing(1);;;2.4 金融数据的相似性与相异性Data pre-processing(2);;;2.5金融数据的相似性与相异性 Similarity and Dissimilarity of data(1);;;2.6金融数据的相似性与相异性 Similarity and Dissimilarity of data(2);;;2.7金融数据的相似性与相异性 Similarity and Dissimilarity of data(3)
分类——决策树分类器及其在金融场景中的应用
了解什么是分类算法；了解分类算法能够赋能什么样的金融场景；理解决策树分类器的原理；掌握不同决策树分类算法的实现过程；掌握决策树分类算法解决金融分类问题的具体步骤。
3.1分类算法与金融应用——基本概念与思想Classification-basic concept and idea;;;3.2决策树算法与金融应用——算法介绍Introduction to Decision Tree Classifier;;;3.3属性测试条件划分方法 Methods for Expressing Attribute Test Conditions;;;3.4决策树分类算法中结点纯度度量方法 Measures of Impurity;;;3.5决策树分类器的构建案例An Example to Compute a Decision Tree
分类——基于规则的分类器及其在金融场景中的应用
了解什么是基于规则的分类器；理解基于规则的分类器的原理；掌握基于规则的分类算法的实现过程；掌握基于规则的分类器赋能金融场景的价值及具体步骤。
4.1基于规则的分类器与金融应用——算法介绍Introduction to Rule-Based Classifier;;;4.2规则提取的直接方法Direct Method for Rule Extraction;;;4.3基于规则的分类器的构建案例An Example to Build Rule-Based Classifier
分类——朴素贝叶斯分类器及其在金融场景中的应用
了解什么是朴素贝叶斯分类器；理解朴素贝叶斯分类器的原理；掌握朴素贝叶斯分类算法的计算过程；掌握运用朴素贝叶斯分类器解决金融问题的核心思想和具体过程。
5.1朴素贝叶斯分类器与金融应用——算法介绍Introduction to Naive Bayes Classifier;;;5.2朴素贝叶斯分类器的构建案例An Example to Build Naive Bayes Classifier
分类——贝叶斯信念网络分类器及其在金融场景中的应用
了解什么是贝叶斯信念网络分类器；理解贝叶斯信念网络分类器的原理；掌握贝叶斯信念网络分类算法的计算过程；掌握贝叶斯信念网络分类器解决金融实际场景问题的关键步骤。
6.1贝叶斯信念网络分类器与金融应用——算法介绍Introduction to Bayesian Belief Networks;;;6.2贝叶斯信念网络分类器案例An Example of Bayesian Belief Networks
金融分类问题中的拟合不足和过拟合
了解什么是分类中的拟合不足和过拟合；理解拟合不足和过拟合的产生原因；掌握泛化误差的估计；了解金融分类问题中拟合不足和过拟合的解决方法。
7.1拟合不足与过拟合（1）Underfitting and Overfitting (1);;;7.2拟合不足与过拟合（2）Underfitting and Overfitting (2)
金融分类模型的评估和比较
了解什么是分类模型的评估和比较；掌握分类模型的评估指标及其计算过程；掌握金融分类模型的评价标准和比较过程。
8.1分类算法在金融应用中的结果评估——模型结果评价Classification-Model Evaluation;;;8.2分类算法在金融应用中的结果评估——模型对比分析Classification-Model Comparison
关联分析-Apriori算法及其在金融场景中的应用
了解什么是关联分析；了解关联分析可能赋能的金融场景；了解什么是Apriori算法；理解Apriori算法的原理；掌握Apriori算法解决金融复杂场景问题的具体过程。
9.1关联分析与金融应用——基本概念与思想Association Analysis-basic concept and idea;;;9.2Apriori算法与金融应用——算法介绍Apriori Algorithm (1)-Introduction;;;9.3Apriori算法与金融应用——候选生成与剪枝Apriori Algorithm (2)-Candidate Generation & Pruning;;;9.4Apriori算法与金融应用——哈希树Apriori Algorithm (3)-Hash Tree;;;9.5Apriori算法与金融应用——规则生成与算法复杂度Apriori Algorithm (4)-Rule Generation and Complexity
关联分析-FP树增长算法及其在金融场景中的应用
了解什么是FP树增长算法；理解FP树增长算法的原理；掌握FP树增长算法的核心思想；掌握FP树增长算法赋能实际金融问题的具体过程。
10.1FP Tree算法与金融应用——算法介绍FP Tree Algorithm-Introduction;;;10.2FP Tree算法金融实例FP Tree Algorithm-An Example
关联分析-金融关联模式评估
了解什么是关联模式评估；掌握关联模式的客观度量方法及计算过程；理解关联模式客观度量方法的一致性问题和性质；掌握金融关联模式评估的要点和比较过程。
11.1关联分析在金融应用中的结果评估（1）Association Analysis-Evaluation (1);;;11.2关联分析在金融应用中的结果评估（2）Association Analysis-Evaluation (2)
聚类分析-K-means算法及其在金融场景中的应用
了解什么是聚类分析；了解聚类分析能够赋能的具体金融场景；了解什么是K-means算法；理解K-means算法的原理；掌握K-means算法在金融场景中的实现过程和关键步骤；理解K-means算法在实际金融应用中的优缺点。
12.1聚类分析与金融应用——基本概念与思想Cluster Analysis-basic concept and idea;;;12.2K-means算法与金融应用——算法介绍与实例Introduction to K-means Algorithm
聚类分析-基本层次聚类算法及其在金融场景中的应用
了解什么是基本凝聚层次聚类算法；理解基本凝聚层次聚类算法的原理；掌握基本凝聚层次聚类算法在金融场景中的实现过程和关键步骤。
13.1基本层次聚类算法算法与金融应用——算法介绍Introduction to Agglomerative Hierarchical Clustering Algorithm ;;;13.2凝聚层次聚类算法实例An Example of Agglomerative Hierarchical Clustering Algorithm
聚类分析-金融问题中的簇评估
了解什么是簇评估；掌握无监督簇评估；掌握有监督簇评估；掌握无监督和有监督簇评估技术在金融场景中的应用思想。
14.1无监督的聚类结果评估Unsupervised Cluster Evaluation;;;14.2有监督的聚类结果评估Supervised Cluster Evaluation
