《统计学习基础》课件

《统计学习基础》PPT课件精通统计学习基础，让你在数据处理中游刃有余课程概述介绍基本概念理论与实践结合12讲授监督学习、无监督学习和概率论基础等以真实案例为基础，融合理论与实践，生动基本概念，帮助学生快速掌握易懂一站式学习多方位支持34覆盖广泛的统计学习知识和方法，是入门学配有完善的教材、课件、习题答案等多样化习的不二之选的学习材料，助您轻松完成学习监督学习回归分析支持向量机决策树讲解线性回归、岭回归、Lasso回介绍SVM如何确定分离超平面和教授ID

3、C

4.

5、CART等不同决归、逻辑回归等监督学习的算法核函数的方法，分析SVM的理论策树算法，如何选择、建立和剪和应用枝决策树时序分析对时间序列进行分析和预测，掌握ARIMA、GARCH等时序分析的算法无监督学习聚类算法包括k-means算法、层次聚类等无监督学习方法的应用和实现降维算法PCA算法、LLE算法、LDA算法等降维算法的实现和应用关联规则挖掘Apriori算法、FP-growth算法等关联规则挖掘的应用和实现概率论基础概率论基础1介绍了基本概率论知识，如概率空间、古典概型等条件概率2介绍条件概率，观察样本空间的条件分布与统计量之间的关系贝叶斯定理3介绍贝叶斯定理，学习如何根据已有统计量得出推断结果统计学习方法感知机算法近邻算法混合模型算法K介绍最基本的线性分类算法，包介绍K近邻算法的理论和实现，介绍GMM算法的理论和算法实括感知机的学习策略和算法实现并结合实例详细分析KNN算法的现，以及如何用EM算法估计参优缺点数线性模型线性回归1介绍如何使用线性回归模型建立关系模型，并用样本数据进行参数估计回归2Ridge介绍如何使用岭回归模型解决多重共线性问题，并结合实例予以详解回归3Lasso介绍如何使用Lasso回归模型选择有影响的特征变量，并结合实例予以详解决策树建树剪枝特征选择讲解如何根据特征值和类别介绍在分类过程中如何对决介绍如何利用信息增益、信值建立决策树模型策树进行剪枝，避免过拟合息增益比、基尼系数等技术实现特征选择。