数据分析与挖掘技术（2023-2024-2）

李敏

目录

  • 1 第1章 数据分析与挖掘概述
    • 1.1 概述
  • 2 第2章 Python数据分析简介
    • 2.1 pandas+matplotlib
  • 3 第3章 数据探索
    • 3.1 数据检验
    • 3.2 特征分析（分布、对比、统计量分析）
    • 3.3 特征分析（周期、贡献度、相关性）
    • 3.4 实验一 数据特征分析
  • 4 第4章 数据预处理
    • 4.1 数据清洗与数据集成
    • 4.2 数据变换
    • 4.3 数据规约
  • 5 第5章 回归模型
    • 5.1 一元线性回归
    • 5.2 多元线性回归
    • 5.3 实验2-回归分析
  • 6 第6章 分类模型
    • 6.1 逻辑回归
    • 6.2 决策树
    • 6.3 实验3 分类模型
  • 7 第7章 聚类算法
    • 7.1 聚类分析
    • 7.2 聚类-实例
  • 8 第8章 关联规则
    • 8.1 关联规则
    • 8.2 实验4 关联规则
    • 8.3 复习
多元线性回归

一、课程内容

1、理解多元线性回归模型

2、理解拟合优度的评价方法

3、掌握sklearn库的基本使用方法（训练集和测试集拆分、模型训练、预测、评价方法）

二、ppt