2.2数据质量 2.2.1测量和数据收集问题 2.2.2关于应用的问题 2.3数据预处理 2.3.1聚集 2.3.2抽样 2.3.3维归约 2.3.4特征子集选择 2.3.5特征创建 2.3.6离散化和二元化 2.3.7变量变换 2.4相似性和相异性的度量 2.41基础 2.4.2简单属性之间的相似度和相异度 2.4.3数据对象之间的相异度 2.4.4数据对象之间的相似度 2.4.5邻近性度量的例子 2.4.6邻近度计算问题 2.4.7选取正确的邻近性度量 (三)思考与实践 1、数据可分为哪几类 (四)教学方法与手段 采用多媒体辅助教学 第5章基于规则的分类和组合预测：给出易懂且稳健的预测 (一)目的与要求 1.掌握决策树算法的原理及应用 2.掌握组合预测方法 3.掌握分类预测在思政教育中的应用 (二)教学内容 5.1决策树概述 5.1.1什么是决策树？ 5.1.2决策树的几何意义是什么？ 5.1.3决策树的核心问题 5.2分类回归树的生长过程 5.2.1分类树的生长过程 3 3 2.2 数据质量 2.2.1 测量和数据收集问题 2.2.2 关于应用的问题 2.3 数据预处理 2.3.1 聚集 2.3.2 抽样 2.3.3 维归约 2.3.4 特征子集选择 2.3.5 特征创建 2.3.6 离散化和二元化 2.3.7 变量变换 2.4 相似性和相异性的度量 2.4.1 基础 2.4.2 简单属性之间的相似度和相异度 2.4.3 数据对象之间的相异度 2.4.4 数据对象之间的相似度 2.4.5 邻近性度量的例子 2.4.6 邻近度计算问题 2.4.7 选取正确的邻近性度量 （三）思考与实践 1、数据可分为哪几类？ （四）教学方法与手段 采用多媒体辅助教学 第 5 章 基于规则的分类和组合预测：给出易懂且稳健的预测 （一）目的与要求 1．掌握决策树算法的原理及应用 2. 掌握组合预测方法 3. 掌握分类预测在思政教育中的应用 （二）教学内容 5.1 决策树概述 5.1.1 什么是决策树？ 5.1.2 决策树的几何意义是什么？ 5.1.3 决策树的核心问题 5.2 分类回归树的生长过程 5.2.1 分类树的生长过程