数据仓库与数据挖掘

杨玉珍

目录

  • 1 第1讲 概述
    • 1.1 数据仓库概述
      • 1.1.1 数据分析与数据挖掘
      • 1.1.2 分析与挖掘的数据类型视频
      • 1.1.3 数据分析与数据挖掘的方法
      • 1.1.4 数据分析与数据挖掘使用的技术
      • 1.1.5 应用场景及存在的问题
    • 1.2 数据分析与数据挖掘实践
    • 1.3 第一章实践
  • 2 第2章数据
    • 2.1 数据属性
    • 2.2 数据的基本统计描述
      • 2.2.1 中心趋势度量
      • 2.2.2 数据分散度量
      • 2.2.3 数据的图形表示
    • 2.3 数据的相似性和相异性
    • 2.4 章节题目
  • 3 数据预处理
    • 3.1 数据存在的问题
    • 3.2 数据清理
    • 3.3 数据集成
    • 3.4 数据归约
    • 3.5 数据变换与数据离散化
    • 3.6 第三章实践
  • 4 数据仓库与OLAP
    • 4.1 数据仓库基本概念
    • 4.2 数据仓库设计
    • 4.3 数据仓库实现
    • 4.4 联机分析处理
    • 4.5 元数据模型
    • 4.6 关联分析课件
    • 4.7 Apriori 短视频
    • 4.8 FP growth发现频繁项集视频资料
  • 5 回归分析
    • 5.1 回归分析的基本概念
    • 5.2 一元线性回归
    • 5.3 多元线性回归
    • 5.4 多项式回归
  • 6 频繁模式
    • 6.1 频繁模式概述
    • 6.2 Apriori算法
    • 6.3 FP-growth算法
    • 6.4 压缩频繁项集
    • 6.5 关联模式评估
    • 6.6 序列模式挖掘ppt
  • 7 分类
    • 7.1 分类概述
    • 7.2 决策树
      • 7.2.1 决策树（上）
      • 7.2.2 决策树（中）
      • 7.2.3 决策树（下）
    • 7.3 朴素贝叶斯分类
    • 7.4 惰性学习法
    • 7.5 神经网络
      • 7.5.1 神经网络（上）
      • 7.5.2 神经网络（下）
    • 7.6 分类模型的评估
      • 7.6.1 分类模型的评估（上）
        • 7.6.1.1 分类模型的评估（下）
    • 7.7 分类方法ppt
    • 7.8 KNN源码
    • 7.9 决策树分类源码
    • 7.10 贝叶斯分类器ppt
    • 7.11 支持向量机
  • 8 聚类分析
    • 8.1 聚类概述
      • 8.1.1 聚类分析PPT
    • 8.2 基于划分的聚类
    • 8.3 基于层次的聚类
    • 8.4 基于密度的聚类
    • 8.5 基于网格的聚类
  • 9 离群点检测
    • 9.1 离群点定义与类型
    • 9.2 离群点检测
支持向量机