MA6633
数据挖掘的统计建模 (Statistical Modelling for Data Mining)
📘 简介
本课程旨在为学生提供数据挖掘和机器学习技术的数学基础与统计知识。重点介绍学习、分类及预测的统计属性与分析，包括贝叶斯决策理论、模型选择、线性与非线性分类模型、决策树及聚类。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 阐述数据挖掘中的基本问题与数学挑战；
✔️ 使用监督学习与非监督学习算法，理解其基本原理；
✔️ 选择适合的数据挖掘模型解决实际问题。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📂 实验任务 | 15% | 学生需使用 R 或 Python 实现数据挖掘算法。 |
| 📋 测验 | 25% | 测试学生对数据挖掘技术及模型选择的理解。 |
| 📝 期末考试 | 60% | 为时两小时的考试，评估学生综合应用能力。 |
💬 课程评价
✨ 精选评价
✏️ 您也可以通过以下方式分享您的学习体验和建议：
-
1️⃣ 课程页面底部评论 💬 在课程页面底部直接提交您的评论，我们会审核后将其收录到网站中。
-
2️⃣ GitHub 提交 🌐 如果您希望更全面地分享课程评价，或希望修改或新增课程页面，欢迎参考 Contributing 页面，通过 GitHub 提交您的贡献。
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU