数据挖掘专题

程宏、王艺红、张海彬、许志钦

目录

  • 1 学习指南
    • 1.1 学习指南
    • 1.2 教学大纲
    • 1.3 授课计划
  • 2 机器学习介绍（预习）
    • 2.1 机器学习介绍
    • 2.2 机器学习Python
    • 2.3 监督 Vs 无监督学习
    • 2.4 Quiz1--机器学习介绍
  • 3 数据挖掘之--模型评价与分类算法
    • 3.1 章节介绍
    • 3.2 机器学习的模型评价
    • 3.3 机器学习分类算法
    • 3.4 分类算法--K近邻算法
      • 3.4.1 Lab: KNN
    • 3.5 分类算法--决策树模型与学习
      • 3.5.1 Lab:Decision Trees
    • 3.6 分类算法--逻辑斯蒂回归模型
      • 3.6.1 Lab: Logistic Regression
    • 3.7 分类算法--支持向量机
      • 3.7.1 Lab: SVM
    • 3.8 Quiz2--Classification
  • 4 数据挖掘之--文本挖掘
    • 4.1 文本挖掘简介
    • 4.2 预处理
    • 4.3 文本分类
    • 4.4 文本挖掘实战
    • 4.5 讲义ppt
  • 5 数据挖掘之--无监督学习
    • 5.1 K-Means聚类
    • 5.2 聚类分析应用实例
    • 5.3 主成分分析
    • 5.4 主成分分析应用实例
  • 6 数据挖掘之--神经网络
    • 6.1 基本结构和主要问题
      • 6.1.1 Lect1-课堂作业
      • 6.1.2 Lect1-课后作业
    • 6.2 傅里叶分析一
      • 6.2.1 Lect2--课堂作业
      • 6.2.2 Lect2-课后作业
    • 6.3 傅里叶分析二
      • 6.3.1 Lect3-课堂作业
      • 6.3.2 Lect3-课后作业
    • 6.4 频率原则
分类算法--决策树模型与学习

Lecture 4（Hong Cheng）: 



PPT课件 Lecture4：



Lecture 4 (Coursera): 

本部分提供Couresra课程视频：

1) Introduction to Decision Trees

https://www.coursera.org/learn/machine-learning-with-python/lecture/gDedK/introduction-to-decision-trees



2) Building Decision Trees

https://www.coursera.org/learn/machine-learning-with-python/lecture/E6wtC/building-decision-trees