大数据与云计算时代,现代金融,零售,生物医学,互联网等行业中,数据挖掘已成为价值评估,指导决策不可忽视的营销技术。
成功案例:
授课对象:
各行业数据分析、数据挖掘从业者
在校数学,经济,计算机,统计等专业教师和学生
经济,医学生物研究院科研人员
数据分析,数据挖掘兴趣爱好者
授课目标:
能够使用R语言,结合具体方法完成基本数据分析工作。
能够掌握数据挖掘基本技术及高级算法,应用于实际案例。
本课程从R语言入门到数据挖掘高级算法系统授课,偏于实际应用,扎实掌握数据挖掘技能。
课程大纲:
第一讲 R语言入门
第二讲 数据分析基本原理
2.1 参数估计
2.2 假设检验
2.3 方差分析和回归分析
第三讲 广义线性回归模型
3.1 Logistic回归模型和泊松回归模型
案例:电信客户分类,船只损坏率分析
第四讲 有监督数据挖掘算法基本原理及分类树
4.1 以分类树为例,介绍数据挖掘预测算法与传统统计模型的区别
4.2 再抽样,训练误差,测试误差,交叉验证误差等
案例:电信客户分类
第五讲 神经网络和支撑向量机
5.1 神经网络,支撑向量机,及R语言实现
案例:电信客户流失预测,房价预测
第六讲 组合预测算法
6.1 Adaboost算法,随机森林算法,及R语言实现
案例:信用卡逾期客户预测
第七讲 无监督数据挖掘算法
7.1 聚类分析、主成分分析和关联规则算法及R语言实现
案例:手机用户市场细分,购物篮分析
第八讲 数据库、R、数据挖掘
8.1 访问数据库,提取数据库,更新数据库,配置数据数据挖掘算法
案例:手机用户市场细分