数据挖掘复习课

发表于 2023-02-15 更新于 2024-02-22 分类于机器学习阅读次数：

第1章认识数据挖掘

1、数据挖掘的定义
2、有指导学习和无指导学习
3、数据挖掘的过程

1、决策树概念和C 4.5算法的一般过程
2、决策树关键技术：最大增益率
3、决策树规则：决策树，产生式规则，正确率和覆盖率
4、Apriori算法的基本思想
5、关联规则及其置信度和支持度
6、K-means算法的基本思想
7、K-means聚类分析实例

1、KDD的定义(了解)
2、数据预处理：直方图归约、数据规范化和数据平滑

1、评估分类类型输出模型：混淆矩阵和分类正确率、查准率和查全率
2、评估数值型输出模型：平均绝对误差，均方误差，均方根误差

1、人工神经元模型(会画会计算)
2、BP神经网络结构（会画，比如一个输入一个输出两个包含三个神经元隐层），前向计算过程
3、BP算法的一般过程
4、卷积神经网络的基本操作——卷积和池化，卷积特征（局部感受野、权值共享）

1、一元线性回归、多元线性回归——最小二乘法
2、贝叶斯分析：贝叶斯分类器
3、凝聚聚类算法的一般步骤、例题
4、Cobweb分层聚类算法：CU值的计算