课程讲师：艾伦
课程分类：.net
涉及项目：数据挖掘软件开发
用到技术：C#、SQLServer
其他特性：数据分析、分类器、关联分析、聚类算法
涵盖内容：代码、视频、PPT
课时数量：10
本课程名为深入浅出数据挖掘技术。所谓“深入”，指得是从数据挖掘的原理与经典算法入手。其一是要了解算法，知道什么场景应当应用什么样的方法；其二是学习算法的经典思想，可以将它应用到其他的实际项目之中；其三是理解算法，让数据挖掘的算法能够应用到您的项目开发之中去。所谓“浅出”，指得是将数据挖掘算法的应用落实到实际的应用中。课程会通过三个不同的方面来讲解算法的应用：一是微软公司的SQL Server与Excel等工具实现的数据挖掘；二是著名开源算法的数据挖掘，如Weka、KNIMA、Tanagra等开源工具；三是利用C#语言做演示来完成数据挖掘算法的实现。
根据实际的引用场景，数据挖掘技术通常分为分类器、关联分析、聚类算法等三大类别。本课程主要介绍这三大算法的经典思想以及部分著名的实现形式，并结合一些商业分析工具、开源工具或编程等方式来讲解具体的应用方法。
课程大纲
1) 数据挖掘概述与数据
本章讲解了数据挖掘技术的起源、应用场景以及基本的处理方法，并对于数据集、数据等基本的概念做了阐释。
2) 可视化与多维数据分析（实践课）
本章讲解了数据可视化的基本方法，并分别演示了Excel数据透视表与SQL Server Analysis Service对于多维数据的可视化处理。（OLAP）
3) 分类器与决策树
本章讲解了分类器的基本概念与应用方法，并具体分析了分类器经典算法之一决策树的实现方法。
4) 其他分类器（上）
本章讲解了另外两种经典的分类器算法：基于规则的分类器与基于距离的分类器。
5) 其他分类器（下）
本章讲解了其他一些常见的分类器算法，如基于距离的分类器的改良算法、贝叶斯分类器、人工神经网络、支持向量机与组合方法等。
6) 决策树的应用（实践课）
本章演示了利用Weka Explorer、KNIME、Tanagra等开源工具进行的数据挖掘处理。演示中对比了几类数据挖掘算法，如Cart决策树、C4.5决策树、KNIME决策树、简单贝叶斯分类、组合方法（装袋）、人工神经网络、基于规则的分类等。
7) 关联分析
本章讲解了关联分析的常见算法，即Apriori算法与FP增长算法。
购物车数据分析（实践课）
本章主要演示了利用微软的解决方案来进行购物车数据的关联分析，包括SQL Service Analysis Service的关联分析与Excel结合SSAS外接程序等方法。最后还利用Weka KnowledgeFlow工具来进行关联分析，以便对比第六章的实践。
9) 聚类算法
本章讲解了聚类算法的基本原理与常见算法，包含K均值算法、层次聚类、基于密度的聚类算法。
10) 聚类算法C#源代码实现（实践课）
本章演示如何通过C#源代码实现聚类算法。
全套教程下载地址：
360：http://yunpan.cn/Q9sNne2gMZVe4 （提取码：7a26）
百度：http://pan.baidu.com/s/1cgemr