數(shù)據(jù)挖掘與建模算法

挖掘與建模理論

分類與預(yù)測(cè)（實(shí)現(xiàn)過程、算法、回歸分析、決策樹）

人工神經(jīng)網(wǎng)絡(luò)

聚類分析（常用聚類算法、Kmeans、聚類評(píng)估）

關(guān)聯(lián)規(guī)則

Apriori算法

時(shí)間序列算法

非平穩(wěn)時(shí)間算法

離群點(diǎn)檢測(cè)（離群點(diǎn)檢測(cè)方法、基于模型的離群點(diǎn)檢測(cè)）

算法與應(yīng)用進(jìn)階實(shí)操

算法介紹

算法分類

算法學(xué)習(xí)路徑

回歸算法、模型評(píng)估、K近鄰算法

決策樹與隨機(jī)森林算法、支持向量機(jī)

貝葉斯算法、神經(jīng)網(wǎng)絡(luò)、Adaboost算法

EM算法、貝葉斯算法

機(jī)器學(xué)習(xí)庫應(yīng)用

機(jī)器學(xué)習(xí)庫算法與數(shù)據(jù)應(yīng)用

案例一（挖掘背景與目標(biāo)、數(shù)據(jù)抽樣、數(shù)據(jù)探索分析、數(shù)據(jù)預(yù)處理、構(gòu)建專家樣本、模型建模）

案例二（數(shù)據(jù)挖掘?qū)崿F(xiàn)精準(zhǔn)推薦實(shí)戰(zhàn)，講師指導(dǎo)、學(xué)員動(dòng)手為主）