高级提升篇:数据挖掘算法之机器学习篇

高级提升篇:数据挖掘算法之机器学习篇

KNN近邻算法、朴素贝叶斯算法、决策树算法已经组合算法的基本原理及R语言实现。

159.00 285 人次学习

引言:

本课程为《R语言十三式》收费课程的体系课程,大家可以前往学习和了解:

https://edu.hellobi.com/classroom/1/courses

详情请前往:

https://major.hellobi.com/datamining


讲师介绍:

谢佳标  多届中国R语言大会演讲嘉宾,目前在创梦天地担任高级数据分析师一职,作为创梦天地数据挖掘组的负责人,带领团队对游戏数据进行深度挖掘,主要利用R语言进行大数据的挖掘和可视化工作。本人从事数据挖掘建模工作已有9年,曾经从事过咨询、电商、电购、电力、游戏等行业,了解不同领域的数据特点。有丰富的利用R语言进行数据挖掘实战经验。攥写了《R语言与数据挖掘》及《R语言游戏数据分析》等书籍。


课程目的:

通过本课程学习,掌握常用机器学习算法:KNN近邻算法、朴素贝叶斯算法、决策树算法已经组合算法的基本原理及R语言实现。


课程大纲:

章节1: KNN近邻算法

  课时1:KNN近邻算法基本原理及K值的选择方法 

  课时2:KNN算法距离准备及KNNR语言实现 

  课时3:案例一:用KNN算法对鸢尾花分类进行识别 

  课时4:案例二:用KNN算法诊断乳腺癌 

  课时5:案例三:用KNN算法对汽车类型进行识别

章节2: 朴素贝叶斯分类

  课时6:朴素贝叶斯分类 

  课时7:朴素贝叶斯分类 

  课时8:案例一:基于朴素贝叶斯算法识别糖尿病患者 

  课时9:基于朴素贝叶斯算法识别手机垃圾短信 

章节3: 决策树分类

  课时10:决策树算法基本原理 

  课时11:ID3算法举例

  课时12:决策树案例演示

章节4: 组合算法

  课时13:组合方法基本原理及adaboost算法R语言实现

  课时14:bagging分类R语言实现 

  课时15:随机森林及R语言实现


资料获取

本文所用课件、数据集、代码等将分享到课程公告及天善微信群。

关注课程更新情况,加天善一号管理员微信:tianshansoft06,邀请进入微信交流群。

1491979924_meitu_1.jpg


改版

反馈