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
机器学习介绍

这一部分我们采用 Cousera课程:Machine Learning with Python 课程。

在这一课程里面,你将会学习到机器学习在不同领域的应用,例如:卫生保健、银行业务、电信业务等。 你将获得机器学习主题的一般概述,例如监督学习与非监督学习,以及每种算法的使用。 此外,你还将了解使用Python库实现机器学习模型的好处。


In Module 1, you will learn about applications of Machine Learning in different fields such as health care, banking, telecommunication, and so on. You’ll get a general overview of Machine Learning topics such as supervised vs unsupervised learning, and the usage of each algorithm. Also, you understand the advantage of using Python libraries for implementing Machine Learning models.





备注:

为了方便大家Python的练习,建议采用 IBM Developer Skills Network Labs 开展在线 JupyterLab

https://labs.cognitiveclass.ai/