
Python和R數(shù)據(jù)挖掘技術(shù)— 基于Python和R語(yǔ)言的數(shù)據(jù)挖掘和統(tǒng)計(jì)分析技術(shù)培訓(xùn)
第1講、數(shù)據(jù)挖掘與分析流程
1)數(shù)據(jù)挖掘、分析及其應(yīng)用
2)CRISP-DM過程
3)數(shù)據(jù)建模主要方法
4)數(shù)據(jù)挖掘中的關(guān)鍵技術(shù)
第2講、R介紹及環(huán)境搭建
1)R語(yǔ)言介紹
2)R語(yǔ)言數(shù)據(jù)挖掘
3)R分析環(huán)境搭建
4)RStudio安裝
第3講、Python介紹及環(huán)境搭建
1)Python語(yǔ)言介紹
2)Python語(yǔ)言數(shù)據(jù)挖掘
3)Python分析環(huán)境搭建
4)Python數(shù)據(jù)挖掘應(yīng)用
第4講、Python數(shù)據(jù)計(jì)算與可視化
1)Python中計(jì)算與可視化技術(shù)
2)NumPy簡(jiǎn)單應(yīng)用
3)SciPy簡(jiǎn)單應(yīng)用
4)SciPy簡(jiǎn)單應(yīng)用
5)Matplotlib簡(jiǎn)單應(yīng)用
第5講、R數(shù)據(jù)可視化展現(xiàn)
1)查看R中的數(shù)據(jù)
2)單個(gè)變量展現(xiàn)
3)多個(gè)變量展現(xiàn)
4)更多數(shù)據(jù)探索方法
5)將圖表保存到文件中
第6講、分類技術(shù)及其子類
1)分類及有指導(dǎo)的分析方法
2)五大類主要分類方法介紹
3)分類的主要流程分析
4)分類涉及的評(píng)估指標(biāo)
5)分類在在行業(yè)應(yīng)用分析
第7講、K近鄰及其建模和應(yīng)用
1)K近鄰(kNN)方法介紹
2)K近鄰中的距離計(jì)算
3)使用K近鄰構(gòu)建分類應(yīng)用
4)Python中的K近鄰實(shí)現(xiàn)案例
5)K近鄰在行業(yè)應(yīng)用分析
第8講、決策樹及其建模和應(yīng)用
1)決策樹方法介紹
2)使用party包構(gòu)建決策樹
3)使用rpart包構(gòu)建決策樹
4)Python中的決策樹實(shí)現(xiàn)案例
5)決策樹在行業(yè)應(yīng)用分析
第9講、貝葉斯分析及其建模和應(yīng)用
1)貝葉斯方法介紹
2)R中的樸素貝葉斯方法
3)R貝葉斯方法應(yīng)用
4)Python中的貝葉斯實(shí)現(xiàn)案例
5)貝葉斯分析在行業(yè)應(yīng)用分析
第10講、回歸分析及其建模和應(yīng)用
1)主要回歸分析方法介紹
2)R中的線性回歸方法介紹
3)R中的邏輯回歸方法介紹
4)Python中的回歸實(shí)現(xiàn)案例
5)回歸分析在行業(yè)應(yīng)用分析
第11講、時(shí)間序列分析及其建模和應(yīng)用
1)時(shí)間序列分析方法介紹
2)R中的時(shí)間序列分解
3)R時(shí)間序列預(yù)測(cè)與聚類
4)Python中的時(shí)間序列實(shí)現(xiàn)案例
5)時(shí)間序列分析在行業(yè)應(yīng)用分析
第12講、聚類分析及其建模和應(yīng)用
1)聚類與無指導(dǎo)分析方法介紹
2)R中k-means和k-medoids聚類
3)R層次聚類和基于密度聚類
4)Python中的聚類實(shí)現(xiàn)案例
5)聚類分析在行業(yè)應(yīng)用分析