數(shù)據(jù)分析
發(fā)布時間:2019-12-11 15:31:58
講師： 瀏覽次數(shù)：2561
課程描述INTRODUCTION
數(shù)據(jù)分析公開課
培訓(xùn)講師：
課程價格：￥元/人
培訓(xùn)天數(shù)：2天
日程安排SCHEDULE
課程大綱Syllabus
數(shù)據(jù)分析公開課
課程大綱:
第一部分、數(shù)據(jù)分析
商業(yè)數(shù)據(jù)分析
數(shù)據(jù)挖掘Road Maps
R、python簡單介紹
數(shù)據(jù)探索
數(shù)據(jù)預(yù)處理
構(gòu)建新的變量
異常值處理
數(shù)據(jù)可視化
數(shù)據(jù)分析應(yīng)用流程
第二部分、分類方法
回歸分析
相關(guān)性
線性回歸與擬合
最小二乘法的幾何解釋
線性回歸中的變量選擇
回歸算法的評估與選擇
KNN 分類器
確定相鄰的樣本數(shù)據(jù)
分類規(guī)則
參數(shù)K的選擇
算法優(yōu)缺點
案例分析：如何選擇相似用戶？
邏輯回歸
邏輯回歸模型
分類算法的評估
案例分析：用戶借貸能力判定
決策樹
迭代分割
純度的計算
決策樹的使用效果
如何避免過擬合
剪枝與終止條件
案例分析：如何利用決策樹的提取出業(yè)務(wù)規(guī)則？
（補充）樹模型應(yīng)用——隨機森林
案例分析：如何幫助業(yè)務(wù)方篩選出重要的業(yè)務(wù)變量？
第三部分、聚類算法
聚類問題介紹
兩條數(shù)據(jù)之間的距離
歐式距離
數(shù)值型數(shù)據(jù)處理與距離函數(shù)
類別型數(shù)據(jù)的距離計算
混合類型數(shù)據(jù)的距離計算
兩個類別之間的距離
*距離、最小聚類、中心距離
K-means
如何選擇參數(shù)K
層次聚類
案例分析：如何選擇相似用戶？
第四部分、異常檢測
異常值檢測
異常團體識別
案例分析：無監(jiān)督反欺詐方案應(yīng)用
業(yè)務(wù)思考：如何構(gòu)建一個反欺詐系統(tǒng)？
第五部分、時間序列預(yù)測
時間序列回歸模型
預(yù)測變量篩選
回歸預(yù)測
非線性回歸
相關(guān)、因果和預(yù)測
時間序列分解
時間序列成分
移動平均
經(jīng)典時間序列分解
ST分解法
趨勢性、季節(jié)性判定
業(yè)務(wù)思考：如何對時間序列進行聚類？
分解法預(yù)測
時間序列類異常值檢測
業(yè)務(wù)思考：如何評估促銷活動效果？
ARIMA模型
平穩(wěn)性和差分
延遲算子
自回歸與移動平均
非季節(jié)性arima
參數(shù)估計與選擇
季節(jié)性arima
高級預(yù)測方法
復(fù)雜的季節(jié)性
向量自回歸
神經(jīng)網(wǎng)絡(luò)
實際預(yù)測問題
周數(shù)據(jù)、天粒度數(shù)據(jù)以及小時數(shù)據(jù)預(yù)測
預(yù)測組合
長序列與短序列預(yù)測
訓(xùn)練集與測試集
缺失值與異常值
案例分享：共享單車Daiy天粒度需求預(yù)測
數(shù)據(jù)分析公開課
轉(zhuǎn)載：http://m.santuchuan.cn/gkk_detail/229458.html
已開課時間Have start time
大數(shù)據(jù)課程內(nèi)訓(xùn)
- 《銀行--網(wǎng)絡(luò)消費行為與網(wǎng) 武建偉
- 大數(shù)據(jù)項目解決方案及應(yīng)用 胡國慶
- 互聯(lián)網(wǎng)大數(shù)據(jù)分析管理 孫平
- 數(shù)據(jù)驅(qū)動價值 ——基于Ex 張曉如
- 數(shù)據(jù)創(chuàng)造價值——大數(shù)據(jù)分析 張曉如
- 能源電力企業(yè)數(shù)字化轉(zhuǎn)型探索 李開東
- 大數(shù)據(jù)提升：用戶體驗提升與 武建偉
- 《大數(shù)據(jù)分析與客戶開發(fā)》 喻國慶
- 《精細運營——京東/天貓平 武建偉
- 建材門店--微信獲客與運營 武建偉
- 《大數(shù)據(jù)精益化營銷思維與運 喻國慶
- 《流量神器，銷量升級：如何 武建偉