全屏显示课程章节

数据挖掘

王常颖

检索结果共个

1

第一讲数据挖掘导论

1.1 数据挖掘导论-Part 1

1.2 数据挖掘导论-Part 2

1.3 数据挖掘导论-Part 3

2

第二讲数据仓库

2.1 数据仓库-Part 1

2.2 数据仓库- Part 2

2.3 数据仓库- Part 3

3

第三讲联机分析处理OLAP

3.1 联机分析处理-Part 1

3.2 联机分析处理- Part 2

3.3 联机分析处理- Part 3

4

第四讲 Python数据读取

4.1 Pycharm环境安装

4.2 从文件中读取数据

5

第五讲数据预处理

5.1 数据预处理-Part 1

5.2 数据预处理- Part 2

5.3 数据预处理- Part 3

5.4 数据预处理- Part 4

5.5 数据预处理- Part 5

6

第六讲数据预处理Python实践

6.1 Pandas数据集预处理

6.2 数据清洗

7

第七讲关联规则挖掘Apriori

7.1 Apriori- Part 1

7.2 Apriori算法分析- Part 2

7.3 FP-Growth- Part 3

8

第八讲关联分析Python实践

8.1 Apriori算法Python实践

9

第九讲多值关联规则挖掘

9.1 多值关联规则挖掘- Part1

9.2 多值关联规则挖掘- Part 2

10

第十讲可扩展的关联规则与多层关联规则

10.1 可扩展的关联规则- Part 1

10.2 多层关联规则- Part 2

10.3 多层关联规则- Part 3

11

第十一讲项约束性关联规则挖掘

11.1 Direct- Part 1

11.2 Direct改- Part 2

12

第十二讲 ID3分类分析

12.1 分类分析流程-Part 1

12.2 ID3-Part 2

12.3 信息增益- Part 3

12.4 过拟合- Part 4

13

第十三讲 C4.5决策树分类分析

13.1 C4.5- Part 1

13.2 C4.5- 信息增益比-Part 2

13.3 C4.5- 缺失值处理- Part 3

13.4 C4.5- 交叉验证- Part 4

13.5 C4.5- 实验课-Part 5

13.6 C4.5- 实验课- Part 6

14

第十四讲决策树Python实践

14.1 决策树Python实践

15

第十五讲可扩展的分类算法

15.1 SLIQ- Part 1

15.2 随机森林- Part 2

15.3 随机森林- Part 3

16

第十六讲随机森林Python实践

16.1 数据准备

16.2 模型训练与预测

16.3 交叉验证

17

第十七讲贝叶斯分类

17.1 朴素贝叶斯分类- Part 1

17.2 贝叶斯信念网络- Part 2

18

第十八讲朴素贝叶斯Python实践

19

第十九讲划分聚类

19.1 Kmeans- Part 1

19.2 PAM- Part 2

20

第二十讲 Kmeans聚类Python实践

20.1 Kmeans方法介绍

20.2 KmeansPython实践

21

第二十一讲层次聚类

21.1 层次聚类- Part 1

21.2 BIRCH- Part 2

22

第二十二讲 Birch算法Python实践

22.1 Birch算法Python实践

23

第二十三讲密度聚类-DBSCAN

23.1 DBSCAN算法原理

23.2 DBSCAN算法Python实践

24

第二十四讲密度聚类-OPTICS

24.1 OPTICS算法原理

24.2 OPTICS算法Python实践1

24.3 OPTICS算法Python实践2

25

第二十五讲序列分析

25.1 AprioriAll- Part 1

25.2 AprioriSome and DynamicSome- Part 2

25.3 GSP- Part 3

友情提示：同学您好，此页面仅供预览，在此页面学习不会被统计哦！请进入学习空间后选择课程学习。

上一页 { 下一页