麻省理工学院“开放式课程网页” | 史隆管理学院 | 15.062 2003春季课程：资料探勘


	课				课程单元


	导言 Introduction


	1				资料探勘概述，以K-最近邻法进行预测及分类。 Data Mining Overview, Prediction and Classification with k-Nearest Neighbors


	分类 Classification


	2				分类及贝氏法则，朴素贝氏分析 Classification and Bayes Rule, Naïve Bayes


	3				分类树(派给家庭作业1) Classification Trees (Homework 1 given out)


	4				区别分析 Discriminant Analysis


	5				逻辑回归案例：手摇纺织机 Logistic Regression Case: Handlooms


	6				神经网络 Neural Nets


	7				案例：直效营销／“德国客户信用评等”案例（家庭作业1缴交期限）（派给家庭作业2） Cases: Direct Marketing/German Credit (Homework 1 due)(Homework 2 given out)


	预测 Prediction


	8				评估预测表现 Assessing Prediction Performance


	9				回归模型中子集的选取 Subset Selection in Regression


	10				回归树，案例：IBM／GM每周的投资报酬率（家庭作业2缴交期限） Regression Trees, Case: IBM/GM weekly returns (Homework 2 due)


	群聚 Clustering


	11				K-均值分群法，阶层分群法 k-Means Clustering, Hierarchical Clustering


	12				案例：零售营销规划 Case: Retail Merchandising


	13				期中考试 Midterm Exam


	维数简约 Dimension Reduction


	14				主成分分析 Principal Components


	15				Dr. Ira Haimowitz博士的客座演讲：资料探勘及Pfizer公司的客户关系管理 Guest Lecture by Dr. Ira Haimowitz: Data Mining and CRM at Pfizer


	数据库方法 Data Base Methods


	16				关联规则（购物篮分析） Association Rules (Market Basket Analysis)


	17				推荐系统：协同过滤 Recommendation Systems: Collaborative Filtering


	总结 Wrap Up


	18				Dr. John Elder IV资深研究员的客座演讲：资料探勘的实际操作 Guest Lecture by Dr. John Elder IV, Elder Research: The Practice of Data Mining


	19				专题报告 Project Presentations