CDA Level II 建模R语言专题（第5期） - 数据挖掘 - 现场班 - Peixun.net

返回详情页

CDA LEVEL II建模分析师课程前导视频（可观看）: CDA LEVEL II建模分析师课程前导视频

一.准备知识: 1.1 Oracle R Enterprise体系讲解; 1.2从一个案例了解数据挖掘的生命周期

二.R基本分析操作: 2.1 数据分析常用包介绍; 2.2 数据可视化讲解; 案例1：制作经营业务BI常用图表; 晚上: Oracle软件安装与ORD、ROracle安装

三.数据预处理: 3.1 表合并; 3.2 数据探索; 3.3 数据清洗

四.R语言编程: 4.1 数据类型; 4.2 程序控制; 4.3 函数与包

五.预测类模型: 5.1 分类模型简介：朴素贝叶斯、决策树、KNN、逻辑回归、神经网络、SVM; 5.2模型验证与模型选择; 5.2.1 建模商业目的与模型检验方法选择; 5.2.2 决策类模型检验指标; 5.2.3 排序类模型检验指标; 5.2.4 估计类模型检验指标; 案例2:婚恋网站是否可以成功约会预测; 5.3 贝叶斯网络; 5.4 决策树模型与随机森林; 案例3: 客户流失预测; 5.5 线性回归与正则化方法（岭回归、Lasso算法）; 案例4: 零售业客户价值预测模型; 5.6 逻辑回归; 案例5: 零售业两阶段客户价值预测模型; 5.7 神经网络; 案例6:信用违约建模案例（逻辑回归+神经网络）; 5.8 最近邻域法（KNN）、MBR、样条曲线; 案例7:违约推断; 案例8:信用违约建模案例（KNN+逻辑回归）; 5.9 支持向量机; 案例9:违约推断; 5.10 组合算法与提升（装袋法、Adaboost算法）; 案例10: 客户流失预测（提升）

六.降维: 6.1 线性判别模型; 案例11:婚恋网站是否可以成功约会预测; 6.2主成分分析PCA; 案例12：信贷综合打分、省市经济指标约减、; 利率期限指标分离

七.分类模型综合案例—保险产品精准营销: 7.1 数据预处理技术; 7.2 建立模型; 7.3 模型评估; 7.4 模型监控

八.样本聚类: 8.1 K-means; 8.2 谱聚类; 8.3 密度聚类; 案例13: 基于客户细分的客户流失预警模型

九.关联规则与序列模式: 9.1 关联规则; 9.2 序列模式; 案例14:银行客户购物篮分析

CDA Level II 建模R语言专题（第5期）