39个slides带你回顾那些传统数据挖掘算法

导读：数据挖掘是指从数据库中发现和提取隐含在其中的人们事先未知的，有用的信息和知识的过程。数据挖掘随着计算机技术的发展也逐渐得到广泛的应用，提高了数据利用率，拓展了知识发现的深度和广度。同时较为成熟的数据挖掘算法也越来越多。今天为大家带来Andrew W. Moore的传统数据挖掘算法教程。

Andrew W. Moore给我们带来了一组关于数据挖掘的教程，涉及很多方面，包括概率基础，统计数据分析基础，还有经典的机器学习和数据挖掘算法。

教程具体可以分为分类算法，例如决策树，神经网络，贝叶斯分类器，支持向量机等等；回归算法，如多元多项式回归，MARS，局部加权回归，GMDH和神经网络；其他数据挖掘操作，如聚类（混合模型，k均值和分层），贝叶斯网络和强化学习。

统计数挖掘教程列表：

1. 决策树（Decision Trees）

2. 信息增益（Information Gain）

3. 数据挖掘基础概率知识（Probability for Data Miners）

4. 概率密度函数（概率密度函数）

5. 高斯分布（Gaussians）

6. 最大似然估计（Maximum Likelihood Estimation）

7. 高斯贝叶斯分类器（Gaussian Bayes Classifiers）

8. 交叉验证（Cross-Validation）

9. 神经网络（Neural Networks）

10. 基于实例的学习（也称为基于案例或基于内存或非参数）（Instance-based learning (aka Case-based or Memory-based or non-parametric)）

... ...

参考链接：

https://www.autonlab.org/tutorials/list.html

https://www.cs.cmu.edu/~awm/tutorials.html

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“AMDM” 就可以获取教程PPT下载链接~ 

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知