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）

隐马尔科夫模型的定义 HMM模型的三个基本问题 EM算法 前向后向算法 鲍姆-韦尔奇算法 维比特算法

1 降维算法简介 2 四大降维算法 3 主成分分析

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

1、量子力学基本回顾 2、复合体系描述 3、量子测量及相关问题 §1.1 态叠加原理 ➢ 波叠加 经典 合成的波中有各种成分 相干性 量子 相干性 新特点 §1.2 矩阵力学基础——力学量和算符 §1.3 量子测量及相关问题 1.3.1量子测量基础 1.3.2广义测量和POVM测量

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

一、教学目的要求 1.了解假设检验的原理和基本概念:原假设、备择假设、显著性水平(检验水平)、参数假设检验。 2掌握U、t检验法。 3重点掌握U、t检验法的步骤

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）模型评估与选择

一、教学目的要求 1.了解参数估计的估计值、估计量。 2掌握矩估计法、最大似然估计法的原理及定义。 3理解顺序统计量法的定义。 二、教学方法 讲授法:讲解参数估计的估计值、估计量等概念、矩估计法、最大似然估计定义、顺序统计量法的定义