大数据应用基础-分类算法.pptx

分类算法;大数据复习;大数据的核心是什么;大数据的核心——非结构化数据;大数据架构技术的核心;大数据架构技术的核心;大数据技术中的算法;数据挖掘的概念辨析;数据挖掘的基本流程;数据挖掘算法分类;数据挖掘算法分类;高度重视以下同义词;数据准备的重要性;分类模型的评价;分类的步骤——数据集的划分;分类的步骤——模型的训练与使用;分类的步骤;复习到此结束;分类算法的核心概念辨析;按目标变量类型把监督学习分为两类;注意回归这一概念的歧义;有监督学习与预测的区别;二分类和多分类;分类算法的典型应用;分类算法的应用——销售;分类算法的应用——金融;分类算法的应用——金融;保险索赔的欺诈检测;分类算法的应用——电信;分类算法的应用——机电设备;分类算法的应用——沟通交流;分类算法的应用;对分类算法的常见应用的小结;常见分类算法;决策树;决策树;决策树的剪枝;决策树的剪枝; 决策树的用途;决策树的优缺点;决策树的例子——是否去相亲;决策树的例子——判断性别;决策树例子——是否参加战斗;决策树的其他例子;逻辑回归;逻辑回归的步骤;逻辑回归模型的检验;逻辑回归模型的检验;决策树和逻辑回归的比较;支持向量机;支持向量机的原理;;支持向量机——选最大边际的那个超平面;支持向量机的一个特点;支持向量机的原理;支持向量机的原理;支持向量机的原理;支持向量机的原理;支持向量机的优缺点;支持向量机的应用;支持向量机关键概念小结;在SPSS Modeler中使用SVM;KNN 算法;KNN 算法的最大特点;在SPSS Modeler中使用KNN 算法;朴素贝叶斯分类;朴素贝叶斯分类的步骤;朴素贝叶斯分类的原理;;具体公式;具体公式;为什么独立性假设是可行的？;朴素贝叶斯学习的应用;贝叶斯网络;组合方法;组合方法的种类;组合方法——提升算法;组合方法——袋装;组合方法——随机森林;组合方法——随机森林的步骤;组合方法——随机森林的优点;组合方法——提升算法;组合方法——提升算法;组合方法的优点;人工神经网络;人工神经网络;人工神经网络的缺点;人工神经网络的缺点;人工神经网络的优点;人工神经网络中的函数;人工神经网络中的函数;人工神经网络的训练算法;人工神经网络的常用训练算法——后向传播算法;人工神经网络的结构;人工神经网络的常用结构——多层感知器;人工神经网络的应用;深度学习;深度学习;深度学习基本原理;基本原理;深度学习在业界的代表性应用;百度的深度识别应用——百度轻拍;如何在R和SPSS上使用神经网络算法;先要做数据预处理;如何在R上使用神经网络算法;如何在R上使用神经网络算法;如何在SPSS上使用神经网络算法;如何在SPSS上使用神经网络算法;隆重推荐几本书;如何用简单工具实现数据挖掘;如果你想实现更多大数据功能;如果你想实现更多大数据功能;要点小结;训练和预测过程回顾;训练和预测过程回顾