 3.1 Learning Problems  3.2 The least square method (LSM)  3.3 Linear regression analysis  1 Simple Linear Regression  2 Multiple Regression  3 Understanding the Regression Output  4 Coefficient of Determination R2  5 Validating the Regression Model

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）Lecture 03 Regression Analysis（Logistic Regression）

 2.1 Overview of data types  2.2 Review of Data pre-processing tools and platforms  2.3 Clean, storage and management of raw data  2.4 Collections of data analysis and data mining

 Data Integration  Data Reduction  Data Transformation Open Section

 1.1 What’s big data?  1.2 Overview of data analysis  1.3 Overview of data mining  1.4 Make requirement for different professional applications

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）量子降维算法

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）

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）量子支持向量机（support vector machine, SVM）

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