 6.1 Basic Concepts  6.2 Decision Tree Induction  6.3 Bayes Classification Methods  6.4 Rule-Based Classification  6.5 Model Evaluation and Selection  6.6 Techniques to Improve Classification Accuracy

◼ Outlier and Outlier Analysis ◼ Outlier Detection Methods ◼ Statistical Approaches ◼ Proximity-Base Approaches ◼ Clustering-Base Approaches ◼ Classification Approaches ◼ Summary

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）决策树

1、聚类算法简介 2、K-means算法 3、DBSCAN算法 4、层次聚类算法

01 分类算法的问题描述 02 KNN算法 03 SVM算法 04 神经网络算法

1 降维算法简介 2 四大降维算法 3 主成分分析

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）量子机器学习（量子K-means算法）

Data Preprocessing: An Overview Data Quality Major Tasks in Data Preprocessing Data Cleaning Data Integration Data Reduction Data Transformation and Data Discretization Summary

Data Objects and Attribute Types Basic Statistical Descriptions of Data Data Visualization Measuring Data Similarity and Dissimilarity Summary

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）量子神经网络（Neural Network，NN）