课程大纲

数据挖掘和 Machine Learning 简介

  • 统计学习与机器学习
  • 迭代和评估
  • 偏差-方差权衡

回归

  • 线性回归
  • 泛化和非线性
  • 习题

分类

  • 贝叶斯复习
  • 朴素贝叶斯
  • 二元分析
  • 逻辑回归
  • K-最近邻
  • 支持向量机
  • 神经网络
  • 决策树
  • 习题

交叉验证和重采样

  • 交叉验证方法
  • Bootstrap
  • 习题

无监督学习

  • K-means 聚类
  • 例子
  • 无监督学习和超越 K 均值的挑战

高级主题

  • 集成模型
  • 混合模型
  • 提高
  • 例子

多维还原

  • 因子分析
  • 主成分分析
  • 例子

要求

本课程是数据科学家技能集(领域: 分析技术和方法)的一部分

  14 小时
 

人数


开始

完结


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

客户评论 (1)

相关课程

课程分类