Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

数据挖掘

via XuetangX

Overview

Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it

《数据挖掘》课程是一门结合统计学、机器学习、人工智能等多学科的交叉领域知识的课程。数据挖掘是指对数据进行收集、清洗、加工和分析,并从中获取有用知识的过程。它将传统的数据分析方法与处理大量数据的复杂算法相结合,为探查和分析新的数据类型以及用新方法分析原有数据类型提供了思路。

本课程的主要教学内容包括数据的预处理技术,包括数据清洗、数据集成、数据变换等,以确保数据的质量和准确性;一些常用的数据挖掘算法和模型,如分类、聚类、关联规则挖掘等,并通过案例分析和实践操作,让学生熟练掌握这些算法的应用。此外,本课程还注重培养学生的实践应用能力。通过提供实际的数据集和项目案例,学生将有机会运用所学知识进行数据挖掘实践,从而加深对数据挖掘流程和方法的理解。通过本课程的学习,希望能够使学生更好地理解数据背后的模式、关联和趋势,提升其在数据分析、市场营销、客户关系管理等领域的竞争力,为学生的未来职业发展提供一定的基础。

Syllabus

  • 第一章 绪论
    • 1.1 什么是数据挖掘
    • 1.2 数据挖掘要解决的问题
    • 1.3 数据挖掘的任务
  • 第二章 数据处理与探索
    • 2.1 数据类型
    • 2.2 数据质量
    • 2.3 数据预处理(1)
    • 2.3 数据预处理(2)
  • 第三章 分类
    • 3.1 分类概述
    • 3.2 最近邻分类器(1)
    • 3.2 最近邻分类器(2)
    • 3.3 决策树(1)
    • 3.3 决策树(2)
    • 3.3 决策树(3)
    • 3.4最近邻分类器及决策树代码实现
    • 3.5 二元逻辑回归及代码实现(1)
    • 3.5 二元逻辑回归及代码实现(2)
    • 3.6 支持向量机及代码实现(1)
    • 3.6 支持向量机及代码实现(2)
    • 3.7 组合分类器(1)
    • 3.7 组合分类器(2)
    • 3.7 组合分类器(3)
  • 第四章 关联分析
    • 4.1 关联分析的基本概念
    • 4.2 关联规则及其测度
    • 4.3 关联规则的发现-频繁项集的产生(1)
    • 4.3 关联规则的发现-频繁项集的产生(2)
    • 4.4 关联规则的发现-关联规则的产生
    • 4.5 关联规则的评估
    • 4.6 Apriori算法及代码实现(1)
    • 4.6 Apriori算法及代码实现(1)
  • 第五章 聚类分析
    • 5.1 聚类分析概述
    • 5.2 主要聚类分析方法
    • 5.3 划分聚类-K均值聚类
    • 5.4 凝聚的层次聚类-AGNES聚类
  • 期末测试

    Taught by

    Inner Mongolia University of Finance and Economics

    Reviews

    Start your review of 数据挖掘

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.