博睿慕课-IT技术在线教育学习平台

课程概览
授课讲师
课程大纲
实验列表

数据挖掘原理与应用

课程概览
授课讲师
课程大纲
实验列表

数据挖掘又称数据库中的知识发现，是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。本课程内容主要包含了数据挖掘使用的常用的算法，方法。结合机器学习，让同学了解数据挖掘的知识。

课程概览

课程概述：本课程旨在帮助学生打下数据挖掘与机器学习的坚实基础，涵盖了从数学和Python基础到实际数据挖掘流程的全面内容。无论您是初学者还是希望巩固知识的学习者，这门课程都将提供丰富的知识和实践机会。

课程内容包括：

数学基础：线性代数：掌握矩阵、向量、线性变换等基本概念，为理解模型背后的数学原理打下基础。统计学：学习概率、分布、统计检验等，以便进行数据分析和模型评估。
Python基础：学习Python编程语言，包括语法、数据结构、条件语句和循环。掌握NumPy和Pandas库，用于数据处理和分析。数据可视化工具：使用Matplotlib和Seaborn创建可视化图表，以更好地理解数据。
数据预处理：数据清洗：处理缺失值、异常值和重复数据，确保数据质量。数据转换：标准化、归一化、编码等，以便模型处理。特征选择：确定哪些特征对模型有意义，提高模型性能。
特征工程：特征提取：从原始数据中提取新特征，改善模型的表现。特征转换：应用数学变换，如对数、指数、多项式，以改善特征的分布。特征选择：使用统计或机器学习方法选择最相关的特征。
数据挖掘算法：介绍常见的数据挖掘算法，包括分类、聚类、关联规则挖掘、异常检测等。学习算法的原理、应用场景和实现方法。
模型评估与验证：讨论如何评估和验证数据挖掘模型的准确性和稳定性。学习使用交叉验证、混淆矩阵和ROC曲线等方法来评估模型性能。
实际案例与项目：通过实际案例和项目，将所学知识应用到实际问题中。学生将有机会运用数据挖掘技术来解决真实世界的挑战，并从中获得实际操作和解决问题的经验。

授课讲师

梁剑鹏

担任人工智能讲师多年，擅长机器学习、深度学习、机器视觉的相关课程。华为人工智能开发者。同时还兼任python数据挖掘分析课程，授课风格通俗易懂，课堂中善于用生活例子帮助学生理解知识点。

课程大纲

第1章绪论
第1节数据挖掘的出现
第2节什么是数据挖掘和数据挖掘的内容

第2章认识数据
第1节数据的概念和统计方法
第2节数据的基本可视化
第3节数据相似性的计算方法

第3章数据预处理
第1节数据质量
第2节数据处理主要任务

第4章分类的基本概念和朴素贝叶斯分类器
第1节概述
第2节朴素贝叶斯分类器
第3节案例

第5章决策树分类
第1节决策树和构建问题
第2节决策树算法

第6章规则和最近邻分类
第1节基于规则分类
第2节最近邻分类

第7章回归算法
第1节线性回归
第2节逻辑回归
第3节优化算法求解

第8章模型的评价
第1节评价指标
第2节过拟合和欠拟合

第9章支持向量机分类器
第1节支持向量机的提出
第2节深入支持向量机
第3节非线性支持向量机

第10章神经网络分类器
第1节感知机
第2节反向传播算法

第11章关联规则挖掘
第1节定义
第2节 Apriori算法
第3节 FP-Growth算法
第4节挖掘关联规则

第12章信息推荐算法
第1节经典信息推荐算法

第13章聚类算法
第1节聚类概述
第2节基本聚类方法
第3节聚类评估

实验列表

实验名称数据预处理
实验描述使用相关的数据处理模块实现数据预处理操作

节数	上课时间	星期一	星期二	星期三	星期四	星期五	星期六	星期天
第1节	08:00 - 08:40
第2节	09:00 - 09:40
第3节	10:00 - 10:40
第4节	11:00 - 11:40
第5节	14:00 - 14:40
第6节	15:00 - 15:40
第7节	16:00 - 16:40
第8节	17:00 - 17:40

天数	上课日期	上课时间	内容

数据挖掘原理与应用

课程概览

授课讲师

课程大纲

实验列表

相关课件更多

网站导航

数据挖掘原理与应用

课程概览

授课讲师

课程大纲

实验列表

相关课件 更多

相关课程

网站导航

相关课件更多