大数据分析师LEVEL ll 复习大纲篇 | 第四章 大数据分析之数据挖掘理论基础 

第一节、数据挖掘的基本思想

【领会】

常用数据挖掘的概念和方法介绍

【熟知】

数据挖掘的常用算法

数据挖掘的过程

数据挖掘的常用工具及数据挖掘的应用场景

第二节、数据挖掘基础知识

【熟知】

数据、算法基本概念

算法基本分类方法

有监督学习算法中的训练样本、测试样本、特征变量、目标变量(标签)等常用术语的

相关定义

第三节、有监督学习算法

【领会】

有监督学习算法基本定义

分类算法与回归算法区别与联系

【熟知】

掌握以下常用有监督学习算法基本原理：

最近邻分类器 KNN、朴素贝叶斯、线性回归、逻辑回归、决策树、集成算法(包括 Bagging

和 Boosting 两类算法)、支持向量机(SVM) 、神经网络、协同过滤等

掌握用于分类算法评价的指标体系，包括混淆矩阵内的一级评估指标，以及基于混淆矩

阵的准确率(accuracy)、召回率(recall) 、精确度(precaution)、F 指标、AUC 曲线等

各项指标的评估方法。

掌握包括 SSE、SSR、MSE、R 方、调整 R 方在内的回归类算法评估指标。

【应用】

能借助常用数据挖掘工具实现上述常用有监督学习算法，并完成相应数据挖掘工作

第四节、无监督学习算法

【领会】

无监督学习算法基本定义

聚类算法和关联规则算法基本定义

【熟知】

掌握常用关联规则挖掘算法，包括 Apriori、FP-Growth 等

掌握常用聚类算法，包括层次聚类、K-Means 快速聚类、DBSCAN 聚类算法等

【应用】

能借助常用数据挖掘工具实现上述常用无监督学习算法，并完成相应数据挖掘工作

这就是大纲第四章的内容，希望对大家能有所帮助。