10种机器学习算法介绍 .pptxVIP

机器学习算法介绍;基本概念分类;监督式学习;非监督式学习;强化学习;十大机器学习算法;监督式学习与非监督式学习的差别;9、我们的市场行为主要的导向因素，第一个是市场需求的导向，第二个是技术进步的导向，第三大导向是竞争对手的行为导向。七月-21七月-21Wednesday, July 14, 2021 10、市场销售中最重要的字就是“问”。15:52:4615:52:4615:527/14/2021 3:52:46 PM 11、现今，每个人都在谈论着创意，坦白讲，我害怕我们会假创意之名犯下一切过失。七月-2115:52:4615:52Jul-2114-Jul-21 12、在购买时，你可以用任何语言；但在销售时，你必须使用购买者的语言。15:52:4615:52:4615:52Wednesday, July 14, 2021 13、He who seize the right moment, is the right man.谁把握机遇，谁就心想事成。七月-21七月-2115:52:4615:52:46July 14, 2021 14、市场营销观念：目标市场，顾客需求，协调市场营销，通过满足消费者需求来创造利润。14 七月 20213:52:46 下午15:52:46七月-21 15、我就像一个厨师，喜欢品尝食物。如果不好吃，我就不要它。七月 213:52 下午七月-2115:52July 14, 2021 16、我总是站在顾客的角度看待即将推出的产品或服务，因为我就是顾客。2021/7/14 15:52:4615:52:4614 July 2021 17、利人为利已的根基，市场营销上老是为自己着想，而不顾及到他人，他人也不会顾及你。3:52:46 下午3:52 下午15:52:46七月-21 ;线性回归;线性回归;线性回归;逻辑回归;逻辑回归;决策树;细说决策树（1）——混乱度判断;细说决策树（2）——建构树;细说决策树（3）——剪枝prune;决策树代码 ;支持向量机;支持向量机;支持向量机优缺点;朴素贝叶斯;朴素贝叶斯;KNN（K最邻近算法）;KNN（K最邻近算法）;KNN（K最邻近算法）;K均值算法;K均值算法;工作流程 ;K-MEANS性能分析;K-MEANS性能分析;K-MEANS补充;AdaBoost;AdaBoost;Apriori;强化学习-马尔科夫决策过程;马尔科夫决策模型;数据挖掘;数据挖掘主要模型：分类、聚类、预测及关联;数据挖掘主要模型：分类、聚类、预测及关联;一、非线性拟合;二、货运量预测;二、货运量预测;三、财政收入影响因素与预测模型;三、财政收入影响因素与预测模型;三、财政收入影响因素与预测模型;三、财政收入影???因素与预测模型;四、时间序列预测法—交通流量预测;四、时间序列预测法—交通流量预测;一、数据探索;一、数据探索;二、数据预处理;二、数据预处理;（1）删除数据：主要针对缺失值数量较少、且删除数据对整体数据几乎没有影响；也可以根据数据缺失挖掘信息. 文献[1]利用5组医疗数据集测试了缺失数据对于病情阳性概率的影响，以及对分类结果精确度的影响，并通过knn、判别分析和朴素贝叶斯3种方法在数据缺失不同比例的情况下，对分类结果进行了分析比较； （2）数据插补：属性间的关联性在缺失值估计过程中非常重要，在数据挖掘方法中，关键是挖掘属性间的关系。数据插补的目的在于估计正确的替代值。 文献[2]提出了基于不完备数据聚类的缺失数据填补方法，针对分类变量不完备数据集定义约束容差集合差异度，从集合的角度判断不完备数据对象的总体相异程度，并以不完备数据聚类的结果对基础进行缺失数据的填补。 文献[3]提出一种基于进化算法的自适应聚类方法,该方法的基本思想是将聚类问题转化成一个全局优化问题,利用聚类方法填充缺失值。 文献[4]针对缺失数据问题，提出了多元回归方法，弥补一元回归方法的不足。 [1] Juhola M, Laurikkala J. Missing values: how many can they be to preserve classification reliability [J/OL]. Artificial Intelligence Review,2011. (2011-08-01) [2012-12-28]. [2]武森,冯小东,单志广.基于不完备数据聚类的缺失数据填补方法[J].计算机学报,2012,35(8): 1726-1738. [3] Silva J A,Hruschka E R. An evolutionary algorith