Big Data Mining (巨量資料探勘).pptVIP

下载本文档

6
0
约2.04千字
约 34页
2017-04-23 发布于天津
举报
版权申诉

Big Data Mining (巨量資料探勘).ppt

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

Big Data Mining (巨量資料探勘).ppt

Big Data Mining巨量資料探勘;週次 (Week) 日期 (Date) 內容 (Subject/Topics) 1 2016/02/16 巨量資料探勘課程介紹 (Course Orientation for Big Data Mining) 2 2016/02/23 巨量資料基礎：MapReduce典範、Hadoop與Spark生態系統 (Fundamental Big Data: MapReduce Paradigm, Hadoop and Spark Ecosystem) 3 2016/03/01 關連分析 (Association Analysis) 4 2016/03/08 分類與預測 (Classification and Prediction) 5 2016/03/15 分群分析 (Cluster Analysis) 6 2016/03/22 個案分析與實作一 (SAS EM 分群分析)： Case Study 1 (Cluster Analysis – K-Means using SAS EM) 7 2016/03/29 個案分析與實作二 (SAS EM 關連分析)： Case Study 2 (Association Analysis using SAS EM);週次 (Week) 日期 (Date) 內容 (Subject/Topics) 8 2016/04/05 教學行政觀摩日 (Off-campus study) 9 2016/04/12 期中報告 (Midterm Project Presentation) 10 2016/04/19 期中考試週 (Midterm Exam) 11 2016/04/26 個案分析與實作三 (SAS EM 決策樹、模型評估)： Case Study 3 (Decision Tree, Model Evaluation using SAS EM) 12 2016/05/03 個案分析與實作四 (SAS EM 迴歸分析、類神經網路)： Case Study 4 (Regression Analysis, Artificial Neural Network using SAS EM) 13 2016/05/10 Google TensorFlow 深度學習 (Deep Learning with Google TensorFlow) 14 2016/05/17 期末報告 (Final Project Presentation) 15 2016/05/24 畢業班考試 (Final Exam);Outline;A Taxonomy for Data Mining Tasks;*;*;Cluster Analysis;Cluster Analysis;Cluster Analysis;Cluster Analysis;*;Cluster Analysis for Data Mining;Cluster Analysis for Data Mining;k-Means Clustering Algorithm;Cluster Analysis for Data Mining - k-Means Clustering Algorithm;SimilarityDistance;Similarity and Dissimilarity Between Objects;Similarity and Dissimilarity Between Objects (Cont.);Euclidean distance vs Manhattan distance ;The K-Means Clustering Method ;*;*;*;*;*;*;*;*;*;K-Means Clusterin