您现在位于:首页 > 教学大纲>第四章

第四章 分类技术

课时:2.5周,10学时。

主要内容:介绍监督分类技术的相关概念、原理和经典算法,掌握不同分类方法的基本原理和实现过程,结合实际智能商务应用案例,学习分类技术的具体应用。

课程安排:

1. 贝叶斯和决策树分类方法(2学时)
掌握:朴素贝叶斯分类方法;
掌握:经典决策书分类算法CART、ID3和C4.5;
了解:贝叶斯网络的相关概念和工作原理;

2.最近邻分类方法(2学时)
掌握:k-近邻分类方法的工作原理和过程
了解:基于案例的推理方法

3.感知机与最大间隔分类方法(2学时)
掌握:感知机算法的工作原理;
掌握:人工神经网络的原理以及后向传播算法(BP);
掌握:支持向量机(SVM)的概念与工作原理。

4. 组合多分类器技术(2学时)
了解:装袋(Bagging)和提升(Boosting)方法的工作原理;
掌握:自适应提升算法(AdaBoosting)的原理和过程。

5.分类技术的商务应用案例(2学时)
掌握:介绍数据挖掘工具IBM SPSS Modeler进行数据分类的常用策略,分析数据的CRISP-DM 过程模型。概述建模方法,详细简介、展示分类模型中决策树、神经网络、贝叶斯网络等算法实例。
了解:客户关系管理系统(CRM)、入侵检测等分类技术的经典商务智能应用范例。