課程簡介

    數據預處理 Data Cleaning 數據集成和轉換 數據縮減 離散化和概念層次結構生成
統計推斷 概率分佈、隨機變數、中心極限定理
  • 採樣
  • 置信區間
  • 統計推斷
  • 假設檢驗
  • 多元線性回歸 規範
  • 子集選擇
  • 估計
  • 驗證
  • 預測
  • 分類方法 邏輯回歸
  • 線性判別分析
  • K 最近鄰
  • 樸素貝葉斯
  • 分類方法比較
  • Neural Networks 擬合神經網路
  • 訓練神經網路問題
  • 決策樹 回歸樹
  • 分類樹
  • 樹模型與線性模型
  • 裝袋, Random Forests, 增壓 裝袋
  • Random Forest秒
  • 提高
  • 支援向量機和柔性光碟 最大邊距分類器
  • 支援向量分類器
  • 支援向量機
  • 2 個或更多類 SVM
  • 與邏輯回歸的關係
  • 主成分分析
  • 聚類 K-means 聚類
  • K-中心體聚類
  • 分層聚類
  • 基於密度的聚類
  • 模型評估和選擇 偏差、方差和模型複雜性
  • 樣本內預測誤差
  • 貝葉斯方法
  • 交叉驗證
  • Bootstrap 方法
  •  28 時間:

    人數



    每位參與者的報價

    客戶評論 (1)

    相關課程

    課程分類