32、第8课第1节：过拟合与欠拟合

学员 1、第10课第1节：从人脑神经元到人工神经网络

学员 2、第10课第2节：感知机

学员 3、第10课第3节：bp神经网络

学员 4、第10课第4节：神经网络实践

学员 5、第11课第1节：聚类方法的基本原理

学员 6、第11课第2节：聚类的注意问题

学员 7、第11课第3节：聚类的实践

学员 8、第12课第1节：关联规则要点

学员 9、第12课第2节：关联规则实践

学员 10、第13课第1节：集成学习算法原理

学员 11、第13课第2节：集成学习算法实践

学员 12、第一节课数据挖掘那些事儿

学员 13、预备：课程使用说明

学员 14、第2课第1节SPSSModeler的基本概述

学员 15、第2课第2节SPSSModeler的下载与安装

学员 16、第2课第3节SPSSModeler的基本使用

学员 17、第4课第4节SPSSModeler实用技巧

学员 18、第3课第1节数据读取综述

学员 19、第3课第2节数据的身份

学员 20、第3课第3节数据的集成

学员 21、第4课第1节：一点都不简单的描述性统计分析

学员 22、第4课第2节：真的很简单的数据审核节点

学员 23、第5课第1节：假设检验的基本原理

学员 24、第5课第2节：相关分析

学员 25、第5课第3节：t检验

学员 26、第5课第4节：卡方检验

学员 27、第6课第1节：一元线性回归

学员 28、第6课第2节：多元线性回归

学员 29、第6课第3节：逐步回归

学员 30、第7课第1节：曲线回归

学员 31、第7课第2节：Logistic回归

学员 33、第8课第2节：留出法与交叉验证

学员 34、第9课第1节：决策树概述

学员 35、第9课第2节：决策树算法

学员 36、第9课第3节：信息熵的通俗理解

学员 37、第9课第4节：决策树建模实践