《数据挖掘》PPT课件 丁兆云 国防科技大学

 
课件内容： 
绪论 
1.1 绪论 
1.2 章节测试 
认识数据 
2.1 数据类型和统计 
2.2 数据可视化 
2.3 数据相似性 
2.4 章节测试 
数据预处理 
3.1 数据清洗 
3.2 数据集成 
3.3 数据规约 
3.4 数据转换 
3.5 章节测试 
贝叶斯分类 
4.1 贝叶斯分类基本概念 
4.2 贝叶斯分类案例 
4.3 章节测试 
决策树分类 
5.1 决策树基本概念 
5.2 决策树构建方法 
5.3 决策树分类案例 
5.4 章节测试 
k-均值聚类 
6.1 k-均值聚类基本方法 
6.2 k-均值聚类案例 
6.3 章节测试 
逻辑回归 
7.1 逻辑回归基本原理 
7.2 逻辑回归正则化 
7.3 章节测试 
关联规则挖掘 
8.1 关联规则挖掘概念与基本算法 
8.2 Apriori算法 
8.3 FPGrowth算法 
8.4 规则挖掘 
8.5 章节测试 
数据挖掘实践 
9.1 初始数据挖掘实践 
9.1.1 分类实践任务起点 
9.1.2 初始数据之特征选择 
9.2 数据预处理实践 
9.2.1 数据预处理之清洗 
9.2.2 数据预处理之转换 
9.2.3 数据预处理之降维 
9.3 数据挖掘基础算法实践 
9.3.1 回归预测实践 
9.3.2 数值预测时间特征扩展实践 
9.3.3 不平衡分类实践 
9.3.4 聚类算法实践 
9.3.5 KNN 分类实践 
9.4 章节测试 
支持向量机分类 
10.1 支持向量机数学原理 
10.2 支持向量机扩展 
10.3 章节测试 
神经网络分类 
11.1 神经网络基础概念 
11.2 神经网络数学原理 
11.3 章节测试 
集成学习 
12.1 Bagging分类 
12.2 随机森林分类 
12.3.1 Boosting分类基础 
12.3.2 Boosting分类理论 
12.4 GBDT学习 
12.5 章节测试