本课程系统讲解机器学习算法在数据分析与挖掘中的应用。课程从数据与智能的基本概念入手，涵盖数据挖掘基础、Python编程、模型评估等核心知识，并深入剖析回归分析、朴素贝叶斯、决策树、KNN、聚类、神经网络及支持向量机等主流算法。通过丰富的实战案例（如房价预测、邮件分类、客户价值分析等），帮助学员掌握从理论到实践的全流程技能，培养解决实际数据问题的能力。

视频课程目录：
1. 导读：数据与智能
2. 数据挖掘基本概念
3. 数据分析编程基础
4. 模型评估与选择
5. 回归分析
6. 朴素贝叶斯
7. 决策树
8. 最近邻算法（KNN）
9. 聚类分析
10. 神经网络
11. 支持向量机
12. 学生优秀成果展示
13. 兴趣与扩展：身边的智能
14. 资源下载区




├─{01}--导读：数据与智能之认识
│ [1.1]--1.1AI到底是什么.mp4
│ [1.2]--2.AI复活之路.mp4
│ [1.4]--2.2大数据，AI的基石.mp4
│ [1.5]--2.2大数据，我们要便捷还是要隐私？.mp4
│
├─{02}--数据挖掘基本概念
│ (2.5.1)--第1章绪论.ppt
│ (2.5.2)--第1章绪论(1).ppt
│ [2.1]--绪论-引言.mp4
│ [2.2]--1绪论-基本术语.mp4
│ [2.3]--1绪论-假设空间-归纳偏好.mp4
│
├─{03}--数据分析编程基础
│ (3.6.1)--第2章numpy数组与矩阵运算.ppt
│ (3.6.2)--第2章pandas数据分析.ppt
│ (3.6.3)--第2章numpy数组与矩阵运算(1).ppt
│ (3.6.4)--第2章pandas数据分析(1).ppt
│ (3.6.5)--安装说明.pdf
│ (3.6.6)--03-机器学习库Scikit-learn.rar
│ (3.6.7)--T6NumPy图解教程(2).pdf
│ (3.6.8)--T7图解pandas模块21个常用操作(2).pdf
│ [3.1]--2.1python的安装.mp4
│ [3.2]--2.2numpy操作1.mp4
│ [3.3]--2.3numpy操作2.mp4
│ [3.4]--2.4pandas操作.mp4
│
├─{04}--模型评估与选择
│ (4.5.1)--第3章模型评估与选择.ppt
│ (4.5.2)--3性能度量.rar
│ (4.5.3)--第3章模型评估与选择(2).ppt
│ [4.1]--3.1经验误差与过拟合.mp4
│ [4.2]--3.2评估方法.mp4
│ [4.3]--3.3性能度量.mp4
│
├─{05}--回归分析
│ (5.7.1)--5.1线性回归.ppt
│ (5.7.2)--5.4逻辑回归.ppt
│ (5.7.3)--5.1线性回归(1).ppt
│ (5.7.4)--5.4逻辑回归(1).ppt
│ (5.7.5)--2回归分析(1).rar
│ [5.1]--4.1线性模型-1.mp4
│ [5.2]--4.2线性回归模型的Python实现.mp4
│ [5.3]--4.3波士顿房价预测-代码实现.mp4
│ [5.4]--4.4回归模型.mp4
│ [5.5]--4.5研究生入学录取预测案例(1).mp4
│
├─{06}--朴素贝叶斯
│ (6.7.1)--第6章朴素贝叶斯.ppt
│ (6.7.2)--第6章朴素贝叶斯(1).ppt
│ (6.7.3)--鸢尾花分类.rar
│ (6.7.4)--贝叶斯中文邮件分类.rar
│ [6.1]--7-1与7-2朴素贝叶斯算法.mp4
│ [6.2]--7-3朴素贝叶斯算例.mp4
│ [6.3]--7-4鸢尾花分类代码实现.mp4
│ [6.4]--6-4垃圾邮件文本分类(上).mp4
│ [6.5]--6-5垃圾邮件文本分类(下).mp4
│
├─{07}--决策树
│ (7.8.1)--决策树.ppt
│ (7.8.2)--决策树.ppt
│ (7.8.3)--Titanic数据与代码.rar
│ [7.1]--6.1ID3决策树.mp4
│ [7.2]--6.2C4.5和CART决策树.mp4
│ [7.3]--6.3随机森林.mp4
│ [7.4]--6.4泰坦尼克号生还者预测—数据预处理.mp4
│ [7.5]--7.5泰坦尼克号生还者预测—模型构建.mp4
│ [7.6]--7.6泰坦尼克号生还者预测—可视化.mp4
│
├─{08}--最近邻算法（KNN）
│ (8.6.1)--KNN算法原理.ppt
│ (8.6.2)--第8章如何快速找到最近邻居.ppt
│ (8.6.3)--第8章KNN模型参数.ppt
│ (8.6.4)--KNN算法原理(1).ppt
│ (8.6.5)--第8章KNN模型参数.ppt
│ (8.6.6)--第8章如何快速找到最近邻居.ppt
│ (8.6.7)--KNN案例数据与代码.rar
│ [8.1]--KNN算法原理(1).mp4
│ [8.2]--8.2如何快速找到最近邻居.mp4
│ [8.3]--8.3KNN模型参数.mp4
│ [8.4]--8.4KNN鸢尾花分类问题.mp4
│
├─{09}--聚类分析
│ (9.12.1)--9.1-9.7聚类分析.ppt
│ (9.12.2)--9.1-9.7聚类分析.ppt
│ (9.12.3)--聚类分析代码与数据.rar
│ (9.12.4)--航空公司客户价值分析案例代码与数据.rar
│ [9.10]--9.9航空公司客户价值分析-可视化.mp4
│ [9.1]--9.1聚类分析概述.mp4
│ [9.2]--9.2相似性度量.mp4
│ [9.3]--9.3Kmeans理论与实现.mp4
│ [9.4]--9.4聚类分析-性能评价.mp4
│ [9.5]--9.5聚类分Kmedoids.mp4
│ [9.6]--9.4DBCAN理论与实现.mp4
│ [9.7]--9.5层次聚类理论与实现.mp4
│ [9.8]--9.6航空公司客户价值分析-数据清洗.mp4
│ [9.9]--9.8航空公司客户价值分析-特征构建.mp4
│
├─{10}--神经网络
│ (10.8.1)--神经网络.ppt
│ (10.8.2)--神经网络-案例.ppt
│ (10.8.3)--神经网络.ppt
│ (10.8.4)--神经网络-案例.ppt
│ (10.8.5)--神经网络数据与代码.rar
│ (10.8.6)--神经网络——最易懂最清晰的一篇文章.pdf
│ (10.8.7)--一文弄懂神经网络中的反向传播法.pdf
│ [10.1]--10.1人工神经网络概述.mp4
│ [10.2]--10.2BP神经网络.mp4
│ [10.3]--10.3卷积神经网络.mp4
│ [10.4]--10.4回归预测案例.mp4
│ [10.5]--10.5手写识别案例-理论介绍.mp4
│ [10.6]--10.6手写识别案例-代码实现.mp4
│
├─{11}--支持向量机
│ (11.5.1)--支持向量机.ppt
│ (11.5.2)--支持向量机.ppt
│ [11.1]--11.1SVM间隔与支持向量.mp4
│ [11.2]--11.1SVM对偶问题.mp4
│ [11.3]--11.3SVM核函数与软间隔.mp4
│
├─{12}--学生优秀成果展示
│ [12.1]--基于数据挖掘的信访问题分拣与可视化分析—理论分析.mp4
│ [12.2]--基于数据挖掘的信访问题分拣与可视化分析-操作代码.mp4
│ [12.3]--基于机器学习的说话人识别系统—理论分析.mp4
│ [12.4]--基于机器学习的说话人识别系统—操作代码.mp4
│ [12.5]--在线心理健康社区文本主题分析.mp4
│
├─{13}--兴趣与扩展：身边的智能
│ (13.2)--3.2人工智能会毁灭人类吗.avi
│ [13.1]--3.1AI真的来了吗？.mp4
│ [13.3]--3.3AI伦理问题.mp4
│ [13.5]--4.1智能游戏.mp4
│ [13.6]--4.2.智能语音(1).mp4
│ [13.7]--4.3智能手机.mp4
│
└─{14}--资源下载区
(14.1.1)--周志华机器学习.pdf
(14.1.2)--周志华机器学习(1).pdf
(14.1.3)--教材-Python数据分析与挖掘实战Pythonpractice.pdf
(14.1.4)--教材-Python数据分析与挖掘实战Pythonpractice.pdf
(14.2)--课程PPT.rar
(14.3)--课程案例实战-数据&代码.rar
(14.4.1)--数据挖掘习题集.doc
(14.4.2)--实验一逻辑回归—参考答案.doc
(14.4.3)--实验二朴素贝叶斯算法—参考答案.doc
(14.4.4)--实验三决策树-参考答案.doc
(14.4.5)--实验四聚类分析-参考答案.doc
(14.4.6)--实验五神经网络—参考答案.doc
(14.5)--软件安装.rar
(14.6)--截图软件.exe