數(shù)據(jù)分析
講師： 瀏覽次數(shù)：2537
課程描述INTRODUCTION
數(shù)據(jù)分析公開課
培訓講師： 
課程價格：
培訓天數(shù)：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)預處理
構建新的變量
異常值處理
數(shù)據(jù)可視化
數(shù)據(jù)分析應用流程
第二部分、分類方法
回歸分析
相關性
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)務規(guī)則？
（補充）樹模型應用——隨機森林
案例分析：如何幫助業(yè)務方篩選出重要的業(yè)務變量？
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)督反欺詐方案應用
業(yè)務思考：如何構建一個反欺詐系統(tǒng)？
第五部分、時間序列預測
時間序列回歸模型
預測變量篩選
回歸預測
非線性回歸
相關、因果和預測
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)務思考：如何對時間序列進行聚類？
分解法預測
時間序列類異常值檢測
業(yè)務思考：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
高級預測方法
復雜的季節(jié)性
向量自回歸
神經(jīng)網(wǎng)絡
實際預測問題
周數(shù)據(jù)、天粒度數(shù)據(jù)以及小時數(shù)據(jù)預測
預測組合
長序列與短序列預測
訓練集與測試集
缺失值與異常值
案例分享：共享單車Daiy天粒度需求預測
數(shù)據(jù)分析公開課
轉載：http://www.nywlwx.com/gkk_detail/229458.html
已開課時間Have start time
大數(shù)據(jù)課程內(nèi)訓
- 《小紅書運營策劃與執(zhí)行》 黃光偉
- 數(shù)字經(jīng)濟基礎和企業(yè)數(shù)字化轉 盧森煌
- 數(shù)字金融與智能金融下的智慧 盧森煌
- 商業(yè)銀行數(shù)據(jù)治理體系建設實 馬慶
- 企業(yè)區(qū)塊鏈技術的應用場景與 李璐
- 管理者數(shù)據(jù)能力晉級 宋致旸
- 《企業(yè)數(shù)據(jù)管理與數(shù)據(jù)資產(chǎn)化 張光利
- 數(shù)字化轉型與新質(zhì)生產(chǎn)力 盧森煌
- 《零售行業(yè)社群團購運營》 陳蕊
- 大數(shù)據(jù)時代下服務營銷新思維 秦超
- 大數(shù)據(jù)行業(yè)的現(xiàn)狀與熱點 徐全
- 數(shù)字媒體和數(shù)字教學 鐘理勇