数据挖掘：理论与算法清华大学

#数据挖掘：理论与算法清华大学简介

数据挖掘：理论与算法清华大学
|____01整装待发
|____01走进数据科学：博大精深，美不胜收
|____02学而不思则罔
|____02数据预处理：抽丝剥茧，去伪存真
|____03从贝叶斯到决策树：意料之外，情理之中
|____03知行合一
|____04从数据到知识
|____04神经网络：巨量并行，智慧无限
|____05分类问题
|____05支持向量机：数学之美，巅峰之作
|____06K聚类及其它数据挖掘问题
|____06聚类分析：物以类聚，人以群分
|____07关联规则：营销购物，自有乾坤
|____07隐私保护与并行计算
|____08推荐算法：察言观色，投其所好
|____08迷雾重重
|____09集成学习：兼听则明，偏听则暗
|____1人与自然
|____1数据之美
|____1数据清洗
|____1无所不在的推荐
|____1无监督学习
|____1智慧之源神经元
|____1最大间隔
|____1民主协商：Ensemble
|____1贝叶斯奇幻之旅
|____1项集与规则
|____2K-Means
|____2会学习的神经元
|____2南国紫荆亦芬芳
|____2尽善尽美
|____2异常值与重复数据检测
|____2支持度与置信度
|____2朴素是一种美德
|____2线性SVM
|____2群策群议：Bagging
|____2隐含语义分析
|____3PageRank传奇
|____3从一个到一群
|____3数学家的把戏
|____3数据、规则与树
|____3期望最大法
|____3环环相扣：Boosting
|____3类型转换与采样
|____3误区
|____3走向进化
|____4Apriori算法
|____4协同过滤
|____4密度与层次
|____4层次分明，责任到人
|____4数据描述与可视化
|____4植树造林学问大
|____4致敬真神
|____4遗传算法初探
|____4集成之美：AdaBoost
|____5告诉你一个真实的推荐
|____5实例分析
|____5特征选择
|____5管中窥豹，抛砖引玉
|____5继往开来：RegionBoost
|____5遗传算法进阶
|____6主成分分析
|____6序列模式
|____6遗传程序设计
|____7万物皆进化
|____7线性判别分析
|____10进化计算：大道至简，万物之本
|____11美丽数据说：阆苑仙葩，美玉无瑕
|____asset-v1-TsinghuaX+80240372X+sp+type@asset+block@Neural_Networks-710.pptx
|____Association_Rule.pptx
|____Clustering.pptx
|____Data_Preprocessing.pptx
|____Ensemble_Learning.pptx
|____Evolutionary_Algorithms.pptx
|____Introduction.pptx
|____NB-DT.pptx
|____Recommendation.pptx
|____Support_Vector_Machines.pptx
|____单选题(1满分).doc
|____单选题.doc
|____多选题(1满分).doc
|____期末考试练习
|____相关学习资源
|____相关学习资源
|____相关学习资源
|____相关学习资源
|____相关学习资源
|____相关学习资源
|____相关学习资源
|____相关学习资源
|____相关学习资源