数据挖掘 |
您所在的位置:网站首页 › 中国大学mooc和网易公开课哪个好 › 数据挖掘 |
Q : 课程实践如何展开? A : 请同学们登录https://www.educoder.net/paths/4153 开展具体课程实践。 Q : 课程采用哪个教材? A : 课程教材为2022年机械工业出版社最新发布《数据挖掘原理与应用》。 Q : 教材对应的PPT在哪下载? A : 2.1 数据类型和统计的“富文本资源中的附件下载PPT。 Q:课程代码在哪下载? A : 课程代码和数据集已上传到9.1.1分类实践任务起点的“实践项目代码及数据”资源中,可以在此下载相关的压缩包资源。 Q:课程历年考试试题在哪下载? A : 课程历年考试试题已上传到9.1.1分类实践任务起点的“课程历年考试试题”资源中,可以在此下载相关的压缩包资源。 Q:课程编程如果没有python基础,是否提供学习资源? A : python学习相关的代码和数据集已上传到9.3.5 KNN 分类实践的“python学习相关资料”资源中,可以在此下载相关的压缩包资源。 Q:课程中是否提供大数据、深度学习等相关资源? A : 大数据、深度学习等相关资源已上传到12.2 随机森林分类的“课程其他可参考PPT资源”资源中,可以在此下载相关的压缩包资源。 Q:课程需要什么基础? A : 在课程制作过程中,尽可能利于易懂的案例驱动课程讲解,本课程希望同学们能够培养数据科学思维,因此,本课程学习对基础要求不高。但如果同学们后期进一步深入研究数据挖掘,建议同学们学习好高等数学、线性代数、概率统计等数学课程。 Q:老师的联系方式是什么? A : 老师微信:dingzy1983,有问题可以随时在线交流。 Q:第2.认识数据之2.3 数据相似性章节中,4.4 数值属性的近邻性度量中,案例中的欧式距离计算表,表格中的计算有误。 A : 欧式距离示意中,为二维数据,该ppt中的结果计算有误,比如第一条数据(1,2),第二条数据(3,5),欧式距离为√[(1-3)^2+(2-5)^2]=3.606。 Q:决策树中父节点与子节点熵值的比较,为什么父节点的熵值更低? A : 熵越大,说明数据越混乱,分类能力就越差。在构造决策树的时候,尽量把分类能力好的属性做为上层节点,上层节点的熵值较小,所以使得信息增益(原始的熵值减去现在的熵值)较大。所以此处不要把信息增益跟熵值混淆了。 Q:ReLU激活函数为什么会导致神经元死亡呢?降低学习率是如何缓解这个问题的呢? A : 神经网络在接受异于常值输入时易导致反向传播中的大梯度效应,而这往往是学习率过载所致,最终神经元参数陷入无限循环,损失函数常导为0,而解决方法中降低学习率最为可靠,此外,也可通过优化算法策略动态调整学习率或Leaky Relu保证激活函数在小于0时也能实现非0输出。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |