KNN算法原理与案例分析
q 算法原理
介绍Knn基本概念、原理以及实现流程,同时给出Knn算法的优缺点和适用场景;详细介绍Kknn包
q 案例:对Iris数据集进行Knn分类
介绍使用Knn算法对Iris数据进行分类的方法、流程及代码演示,并对分类的结果进行分析
q 案例:对乳腺癌数据进行Knn分类
介绍乳腺癌数据集,并使用Knn算法对乳腺癌数据进行分类,同时给出实现的方法、流程及代码,并对分类效果进行分析
q 案例:对新闻文本数据进行Knn分类
介绍新闻文本数据,并使用Knn分类算法对新闻文本数据进行分类,同时给出实现的方法、流程及代码,并对分类效果进行分析
决策树原理与案例分析
介绍决策树基本概念、分类与回归问题的区别与联系、说明决策树建模的通用过程。
q CART算法原理
介绍分类回归树的基本思路、算法实现流程,并通过案例说明其实现细节;介绍选择分割点的方法,拆分规则,代价复杂度以及Rpart包和Prune函数的介绍
q 案例:对Iris数据集运用CART算法进行分类
介绍使用CART算法对Iris数据进行分类的方法、原理和代码实现流程,并对分类效果进行比较分析
q 案例:对汽车数据运用CART对汽车重量进行预测
介绍使用CART算法对Mtcars数据中汽车的重量进行预测的方法、原理和代码实现流程,并对预测效果进行分析
q C5.0算法原理
介绍ID3算法的算法实现原理和流程,同时讲解信息熵、后验熵、信息增益等基本概念;通过案例讲解ID3算法的具体过程以及ID3自身的问题;介绍C4.5算法的实现原理和流程,讲解增益比例的来源和优点,同时介绍C4.5对连续属性及有缺失样本的算法办法,此外,还将会对剪枝、规则的产生、交叉验证等问题进行讲解;C50包的介绍
q 案例:对Iris数据集运用C50算法分类
介绍使用C50算法对Iris数据集进行分类的方法、原理和代码实现流程,同时对分类效果进行分析
|