你将收获

本议题试图以实例的形式,用尽量通俗的方式,针对性别预测这个分类问题,来谈一下数据挖掘基本的处理流程,常见的算法和算法的选择等。

适用人群

所有人

课程介绍

互联网的迅猛发展,催生了海量数据的产生。如何挖掘数据的深层价值变得尤为重要。然而,数据挖掘复杂的数学内容使很多人望而却步。本议题试图以实例的形式,用尽量通俗的方式,针对性别预测这个分类问题,来谈一下数据挖掘基本的处理流程,常见的算法和算法的选择等。 讲师:王琪,友盟数据挖掘工程师,武汉大学硕士,工作涉及友盟的各类数据挖掘和分析任务。对数据挖掘和分析,自然语言处理和文本检索有多年的理论和实践经验。

学员评价

0.0
  • 0%
  • 0%
  • 0%
  • 0%
  • 0%

暂无评价

同学笔记

  • weixin_43271514 2020-04-13 19:43:25

    来源:数据挖掘的基本流程和常见的分类算法 查看详情

     

    统计学习方法: 李航

  • lanrener 2020-02-09 21:01:42

    来源:数据挖掘的基本流程和常见的分类算法 查看详情

    一. 数据挖掘基础

    数据挖掘:用各种方法(统计学、机器学习、爬虫)来解决各种实际问题;

    机器学习:算法层面

    数据挖掘工程师:程序员

    入门:

    通俗;

    1.PCI(集体智慧编程)

    2. 写个程序.... (直接下载)

    3. 数学之美 (纸质版无拓展阅读)

    正统:

    1机器. 数据挖掘导论

    2. 数据挖掘概念和技术

    进阶:

    公开课:

    Andrew NG:编程语言;通读易懂

    林轩.  机器学习基础-不太好懂,数学基础较高

              机器学习技术--比较实用,介绍主流机器学习模型,课后习题巩固理论,代码化解决问题。

    书籍文档:

    统计学习方法--李航(诺亚方舟实验室主任,信息检索方向),概括性:模型、算法、策略

    机器学习实战--各个模型代码实现

    Scikit-learn文档--实用性强

    实践:

    Kaggle比赛:问题、项目、数据比较全、结果评价、论坛交流、奖金

    SIGKDD2016:

    二. 数据挖掘实例:性别预测

没有更多了

扫码加入学习交流群

随时随地讨论技术难题,汇集精英打造高质量学习社群