欢迎来到麦图教育科技平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
扫码下载Android
扫码下载iOS
教师登录
学生登录
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
数据挖掘与python实践
课程类型：
选修课
发布时间：
2020-09-12 18:43:42
主讲教师：
课程来源：
建议学分：
0.00分
课程编码：
mk000377
课程介绍
课程目录
教师团队
第一单元导言
[1.1.1]--1.1数据挖据的产生、定义和流程
（9分钟）
[1.2.1]--1.2数据挖掘的方法
（9分钟）
[1.3.1]--1.3数据挖掘的应用
（9分钟）
[1.4.1]--1.4python介绍
（13分钟）
(1.1.1)--1.1数据挖据的产生、定义和流程
(1.2.1)--1.2数据挖掘的方法
(1.3.1)--1.3数据挖掘的应用
(1.4.1)--1.4python介绍
第二单元认识数据
[2.1.1]--2.1数据对象与属性类型
（12分钟）
[2.2.1]--2.2.1数据的基本统计描述——集中趋势
（10分钟）
[2.2.2]--2.2.2数据的基本统计描述——离散趋势
（10分钟）
[2.2.3]--2.2.3数据的基本统计描述——基本统计图
（6分钟）
[2.3.1]--2.3数据可视化
（6分钟）
[2.4.1]--2.4.1度量数据的相似性和相异性
（6分钟）
[2.4.2]--2.4.2标称属性的邻近性度量
（8分钟）
[2.4.3]--2.4.3数值属性的相异性
（9分钟）
[2.4.4]--2.4.4混合类型属性的相异性
（6分钟）
[2.4.5]--2.4.5余弦相似性
（5分钟）
[2.5.1]--2.5python操作：认识数据（一）
（13分钟）
[2.6.1]--2.6python操作：认识数据（二）
（14分钟）
(2.1.1)--2.1数据对象与属性类型
(2.2.1)--2.2数据的基本统计描述
(2.3.1)--2.3数据可视化
(2.4.1)--2.4数据的相似性与相异性度量
(2.5.1)--2.5python操作：认识数据
(2.5.2)--2019年政府工作报告
第三单元数据预处理
[3.1.1]--3.1.1数据预处理基本思想和数据规范化
（6分钟）
[3.2.1]--3.2数据离散化
（9分钟）
[3.3.1]--3.3数据清洗
（4分钟）
[3.4.1]--3.4特征提取与特征选择
（9分钟）
(3.1.1)--3.1数据预处理的基本思想和数据规范化
(3.2.1)--3.2数据离散化
(3.3.1)--3.3数据清洗
(3.4.1)--3.4特征提取与特征选择
(3.4.2)--python实现数据预处理
(3.4.3)--扩展资料1-反恐情报分析中的数据预处理研究_李勇男
第四单元关联规则挖掘
[4.1.1]--4.1引言
（8分钟）
[4.2.1]--4.2频繁模式与关联规则
（11分钟）
[4.3.1]--4.3.1逐层发现算法Apriori
（8分钟）
[4.3.2]--4.3.2无候选集发现算法FP-growth
（8分钟）
[4.4.1]--4.4关联规则的生成方法
（4分钟）
[4.5.1]--4.5关联规则的其他类型
（6分钟）
[4.6.1]--4.6关联规则的兴趣度的其他度量
（5分钟）
[4.7.1]--4.7python操作：关联规则挖掘
（5分钟）
(4.1.1)--4.1引言
(4.2.1)--4.2频繁模式与关联规则
(4.3.1)--4.3频繁项集的典型挖掘方法
(4.4.1)--4.4关联规则的生成方法
(4.5.1)--4.5关联规则的其他类型
(4.6.1)--4.6关联规则的兴趣度的其他度量
(4.7.1)--4.7python操作：关联规则挖掘
(4.7.2)--相关阅读1
(4.7.3)--相关阅读2
(4.7.4)--相关阅读3
第五单元分类
[5.1.1]--5.1分类的概念
（7分钟）
[5.2.1]--5.2.1决策树的构建-ID3
（11分钟）
[5.3.1]--5.3朴素贝叶斯分类
（9分钟）
[5.4.1]--5.4k近邻分类
（6分钟）
[5.5.1]--5.5.1测试数据集的构造
（6分钟）
[5.5.2]--5.5.2分类性能的度量
（6分钟）
[5.5.3]--5.5.3不同分类模型的比较
（6分钟）
[5.6.1]--5.6python操作：分类（一）
（10分钟）
[5.7.1]--5.7python操作：分类（二）
（9分钟）
(5.1.1)--5.1分类的概念
(5.2.1)--5.2决策树分类
(5.3.1)--5.3朴素贝叶斯分类
(5.4.1)--5.4k近邻分类
(5.5.1)--5.5分类性能的度量方法
(5.6.1)--5.6python操作：分类
(5.7.1)--5.7补充阅读（一）
(5.7.2)--5.7补充阅读（二）
第六单元数值预测
[6.1.1]--6.1数值预测概念
（7分钟）
[6.2.1]--6.2.1回归概念及一元线性回归
（8分钟）
[6.2.2]--6.2.2一元线性回归检验
（10分钟）
[6.2.3]--6.2.3多元线性回归
（9分钟）
[6.2.4]--6.2.4非线性回归
（6分钟）
[6.3.1]--6.3回归树与模型树
（11分钟）
[6.4.1]--6.4K近邻数值预测和预测误差的度量
（5分钟）
[6.5.1]--6.5python操作：数值预测
（10分钟）
(6.1.1)--6.1数值预测概念
(6.2.1)--6.2回归方法
(6.3.1)--6.3回归树与模型树
(6.4.1)--6.4K近邻数值预测和预测误差的度量
(6.5.1)--6.5python操作：数值预测
(6.5.2)--6.补充阅读（一）
(6.5.3)--6.补充阅读（二）
(6.5.4)--6.补充阅读（三）
第七单元聚类分析
[7.1.1]--7.1.1概述
（9分钟）
[7.2.1]--7.2.1基于内容的相似度度量
（14分钟）
[7.2.2]--7.2.2基于链接的相似度度量
（6分钟）
[7.3.1]--7.3.1k均值聚类法
（7分钟）
[7.4.1]--7.4.1层次聚类方法
（3分钟）
[7.5.1]--7.5DBSCAN方法
（6分钟）
[7.6.1]--7.6.1聚类效果衡量方法
（3分钟）
[7.7.1]--7.7python操作：聚类分析（一）
（10分钟）
[7.8.1]--7.8python操作：聚类分析（二）
（10分钟）
(7.1.1)--7.1概述
(7.2.1)--7.2相似度度量方法
(7.3.1)--7.3k均值聚类法
(7.4.1)--7.4层次聚类方法
(7.5.1)--7.5DBSCAN方法
(7.6.1)--7.6聚类效果衡量方法
(7.7.1)--7.7python操作：聚类分析
(7.8.1)--7.8补充阅读1
(7.8.2)--7.8补充阅读2
(7.8.3)--7.8补充阅读3
第八单元复杂数据的挖掘
[8.1.1]--8.1挖掘复杂的数据类型-序列与网络
（6分钟）
[8.2.1]--8.2挖掘复杂的数据类型-其他类型
（9分钟）
(8.1.1)--8.1挖掘复杂的数据类型-序列与网络
(8.2.1)--8.2挖掘复杂的数据类型-其他类型
(8.2.2)--补充阅读1
(8.2.3)--补充阅读2
(8.2.4)--补充阅读3
(8.2.5)--补充阅读4
