麻省理工学院开放课件 | Sloan School of Management | 15.062 Data Mining, Spring 2003


	讲义序号				主题


	绪论


	1				数据挖掘概述，用k-最近邻法进行预测、分类


	分类


	2				分类和贝叶斯规则、朴素贝叶斯


	3				分类树（布置作业1）


	4				判别分析


	5				Logistic回归案例：手摇纺织机


	6				神经网络


	7				例子：直销/德国人信用（提交作业1）（布置作业2）


	预测


	8				评估预测模型性能


	9				回归模型中子集的选择


	10				回归树、例子：IBM/GM每周的投资回报率（提交作业2）


	聚类


	11				k-均值聚类、层次聚类


	12				例子：零售推销


	13				期中考试


	维数约简


	14				主成分分析


	15				Ira Haimowitz博士的客座讲座：“数据挖掘及Pfizer公司的客户关系管理（CRM）”


	数据库方法


	16				关联规则（购物蓝分析）


	17				推荐系统：协同过滤


	总结


	18				John Elder IV博士的客座讲座：“在数据挖掘实践方面早期的研究”


	19				项目介绍