数据挖掘技术概述讲义(ppt 182页)

分类和预测
分类
分类数据
决策表实例
决策树
使用决策树进行分类
决策树算法
属性选择的统计度量
信息增益度度量(ID3/C4.5)
训练集
使用信息增益进行属性选择
决策树在犯罪分析中的应用
犯罪潜在风险决策树
基尼指数（Gini Index）
过拟合问题
Pruning Tree
误分类率
决策树算法的可伸缩性
常用的决策树算法
CART算法
评估分类算法的准确性
神经网络
神经网络的组成
典型的多层前馈神经网络
BP神经网络的训练（1）
BP神经网络的训练（2）
神经网络的应用(1)
神经网络的应用(2)
贝叶斯分类器
贝叶斯定理
朴素贝叶斯分类器
贝叶斯分类器在供电电容生产中的应用（1）
贝叶斯分类器在供电电容生产中的应用（2）
贝叶斯分类器在垃圾邮件处理中的应用
聚类Clustering
聚类
聚类分析
发现客户的特征
与分类的区别
聚类问题的数学描述
基本概念
聚类需求
计算对象之间的相异度
Similarity and Dissimilarity
二元变量
二元变量的相异度计算
标称变量（Nominal Variables）
序数型变量
聚类算法
K-均值算法（1）
K-均值算法过程
K-均值算法（2）
K-均值算法性质
K-均值算法局限
 K-means算法在中药种植区域划分中的应用
聚类结果
k-means算法在安全检测中的应用
聚类结果
k-modes算法
k-modes算法过程
k-prototypes算法
其他聚类方法
基于密度的聚类
DBSCAN 算法
聚类可视化
聚类结果 –信用卡用户聚类
聚类结果 – 高花费用户
聚类的典型应用
偏离（异常）检测
偏离检测
异常探测
啤酒和尿布问题
购物篮分析
什么是关联挖掘?
关联规则问题的形式化描述项目
支持度和置信度
强关联规则
关联规则挖掘问题的分解
强关联规则的产生
规则度量：支持度与可信度
关联规则挖掘：路线图
关联规则挖掘例子
Apriori算法
 项集格
如何生成候选集
生成候选集的例子
Apriori算法例子
Apriori 算法在超市的应用
IBM DB2 Intelligent Miner构建关联模型
Apriori 性能瓶颈
布尔型和数值型关联规则
多层关联规则
挖掘多层关联规则
多层关联：冗余过滤
多维关联规则概念
分离关联规则
FP增长算法
构造FP树
利用FP树产生频繁项集
其他关联规则挖掘算法
序列模式分析
序列模式
序列模式应用例子
序列模式挖掘的主要算法
GSP算法的主要问题
GSP算法
候选序列模式步骤
序列模式挖掘实例
顾客购物序列模式挖掘
其他序列模式挖掘算法
序列模式应用领域
时间序列挖掘Time Series Mining
时间序列
时间序列应用领域
某公司季度净利润的趋势
时间序列几种基本运动
主要的时间序列分析模型
相似性搜索
相似时间序列
时间序列参数
需要注意的问题
回归分析Regression
回归分析的步骤
回归模型
线性回归
回归预测
一元回归分析应用
应用logistic回归模型预测银行顾客是否拖欠贷款
推荐资料（IBM红皮书）

..............................