课程 - 国家高等教育智慧教育平台

研究生教育

慕课西部行

数据挖掘-2022春季课程

数据挖掘-2022春季课程

少于1000 人选课

更新日期：2025/07/24

开课平台	学银在线
开课高校	华北科技学院
开课教师	高艳辉、杨文光、王文祥、李强丽、李慧、王清、谭立云、尚华
学科专业	理学统计学类

开课时间	2022/03/01 - 2022/06/30
课程周期	18 周
开课状态	已结课
每周学时	-

课程简介

本课程全面、系统地地介绍了数据挖掘的主要算法。主要内容包括数据挖掘一般流程以及python数据挖掘工具的介绍，数据探索以及预处理、经典的分类与预测算法、分类模型评价与参数调优，关联规则挖掘、聚类分析、以及Python数据挖掘案例分析等内容。

课程大纲

数据挖掘概述

1.1 数据挖掘的概念以及主要任务
1.2 数据挖掘常用工具

数据预处理

2.1 数据预处理概述
2.2 缺失值处理
2.3 离群值检测
2.4 数据标准化与正则化
2.5 特征编码
2.6 特征离散化

朴素贝叶斯分类

3.1 分类模型概述
3.2 朴素贝叶斯分类算法
3.3 贝叶斯估计
3.4 案例：sklearn朴素贝叶斯算法的实现
3.5 拓展学习朴素贝叶斯算法在文本分类中的应用

决策树

4.1 决策树算法概述
4.2 ID3算法
4.3 C4.5和CART算法
4.4 决策树剪枝
4.5 分类模型评价指标
4.6 案例：决策树算法python实现

集成学习

5.1 集成学习概述
5.2 bagging与随机森林
5.3 Boosting和AdaBoost
5.4 案例：集成学习的python实现

k-近邻

6.1 k-近邻算法
6.2 案例：sklearn中k近邻分类算法的实现
6.3 kd树算法

支持向量机

7.1 拉格朗日乘数法和KKT条件
7.2 线性可分支持向量机
7.3 线性不可分支持向量机
7.4 非线性可分支持向量机与核函数
7.5 案例：支持向量机分类算法的python实现

人工神经网络

8.1 单层感知机
8.2 BP算法
8.3 案例：利用keras对mnist数据集分类

聚类分析

9.1 聚类分析概述
9.2 kmeans聚类_
9.3 层次聚类
9.4 DBSCAN聚类
9.5 案例：聚类分析上机实现

关联分析

10.1 关联分析基本概念以及Apriori算法
10.2 FP增长算法
10.3 案例：关联分析python 实现

综合上机案例

11.1 泰坦尼克数据预处理以及分类模型构建
11.2 利用keras搭建神经网络实现多分类
11.3 购物篮数据关联分析
11.4 心脏病预测分析

关

注

我

们