返回详情页
章节
问答
引言——关于数据分析学习的3个问题
1.1为什么要学习数据分析【试听】
1.2如何学习数据分析【试听】
1.3如何理解学习课程【试听】
任务1 走进R语言与Rstudio
1.1-R的安装(Rplus增强版)
1.2-R包的管理
任务2 R的数据结构探析
2.1-数据的读写
2.2-向量和矩阵
2.3-列表和数据框
2.4-因子
任务3 熟悉R的基本语句
3.2-循环与条件
3.1-自定义函数
任务4 数据可视化——R的基本作图
4.1-散点图
4.2-直方图
4.3-饼图
任务5 数据可视化——R的可视化进阶
5.1-baidumap
5-2-REMAP
任务6 多元线性回归——上市企业盈率的影响因素分析
6.1-多元线性回归(理论)
6.2-多元线性回归(操作)
任务7 主成分分析——上市公司财务数据的主成分分析
7.1-主成分分析(理论)
7.2-主成分分析(操作)
任务8 聚类分析——基于能力指标的基金经理人分类
8.1-聚类(理论)
8.2-均值聚类
8.3-密度聚类
任务9 逻辑回归——网贷平台信用风险影响因素与识别
9.1-逻辑回归(理论)
9.2-逻辑回归(操作)
任务10 决策树 —— 银行贷款风险识别
10.1-决策树(理论)
10.2-决策树(操作)
任务11 支持向量机(SVM)——智能投顾方案设计
11.1-支持向量机(理论)
11.2-支持向量机(操作)
任务12 关联分析——互联网投资标的的智能推荐
12.1关联分析(理论)
12.2-关联分析(操作)
任务13 神经网络—— P2P网贷的逾期风险识别
13.1-神经网络(理论)
13.2-神经网络(操作)
任务14 朴素贝叶斯与文本分析—— 散户投资者情绪识别
14.1-朴素贝叶斯(理论)
14.2-朴素贝叶斯(操作)
发表
R语言数据分析师养成计划——从零开始的14个任务