5.2.2回归树的生长过程 5.2.3损失矩阵对分类树的影响 5.3分类回归树的剪枝 5.3.1最小代价复杂度的测度 5.3.2分类问归树后剪枝过程 5.3.3分类回归树的交叉验证剪枝 5.4分类回归树的实现和应用 5.4.1分类回归树的实现 5.4.2分类回归树的应用：提炼不同消费行为顾客的主要特征 5.5建立分类回归树的组合预测模型：给出稳健的预测 5.5.1袋装技术 5.5.2袋装技术的实现 5.5.3袋装技术的应用：稳健定位目标客户 5.5.4推进技术 5.5.5推进技术的实现 5.5.6推进技术的应用：稳健定位日标客户 5.6随机森林：具有随机性的组合预测 5.6.1什么是随机森林？ 5.6.2随机森林的实现 5.6.3随机森林的应用：稳健定位目标客户 5.7各类算法在思政教育方面的应用与比较 (三)思考与实践 1、决策树算法的基本原理是？ 2、为什么要讲行组合预测： (四)教学方法与手段 采用多煤体辅助数学 第8章常规聚类：直观的数据全方位自动分组 (·)目的与要求 1.掌握聚类分析的原理 2.掌握实现聚类分析的方法 3.掌握聚类算法在思政教育中的应用 (二)教学内容 8.1聚类分析概述 8.1.1聚类分析目标：发现数据中的“自然小类” 8.1.2有那些主流的聚类算法？ 44 5.2.2 回归树的生长过程 5.2.3 损失矩阵对分类树的影响 5.3 分类回归树的剪枝 5.3.1 最小代价复杂度的测度 5.3.2 分类回归树后剪枝过程 5.3.3 分类回归树的交叉验证剪枝 5.4 分类回归树的实现和应用 5.4.1 分类回归树的实现 5.4.2 分类回归树的应用：提炼不同消费行为顾客的主要特征 5.5 建立分类回归树的组合预测模型：给出稳健的预测 5.5.1 袋装技术 5.5.2 袋装技术的实现 5.5.3 袋装技术的应用：稳健定位目标客户 5.5.4 推进技术 5.5.5 推进技术的实现 5.5.6 推进技术的应用：稳健定位目标客户 5.6 随机森林：具有随机性的组合预测 5.6.1 什么是随机森林？ 5.6.2 随机森林的实现 5.6.3 随机森林的应用：稳健定位目标客户 5.7 各类算法在思政教育方面的应用与比较 （三）思考与实践 1、决策树算法的基本原理是？ 2、为什么要进行组合预测？ （四）教学方法与手段 采用多媒体辅助教学 第 8 章 常规聚类：直观的数据全方位自动分组 （一）目的与要求 1．掌握聚类分析的原理 2．掌握实现聚类分析的方法 3. 掌握聚类算法在思政教育中的应用 （二）教学内容 8.1 聚类分析概述 8.1.1 聚类分析目标：发现数据中的“自然小类” 8.1.2 有哪些主流的聚类算法？