|
知识模块
|
授课内容
|
|
数据处理及复杂数据可视化（一）
|
第一讲 大数据挖掘及可视化介绍
Ø 数据挖掘及可视化背景
Ø 数据挖掘流程
Ø 常用挖掘工具介绍
Ø R语言的优势
Ø R数据挖掘可视化工具-Rattle快速上手
Ø R语言对复杂数据可视化的优势
Ø R语言快速入门
Ø 利用caret包做数据抽样及虚拟化处理
|
|
数据处理及复杂数据可视化（二）
|
第二讲 数据质量分析及高级可视化
Ø 缺失值处理的高级方法
Ø 异常值甄别的高级方法
Ø 数据可视化进阶：lattice及ggplot2包介绍
Ø 数据交互可视化：rCharts、recharts、networkD3、plotly等包介绍
|
|
数据挖掘模型实战（一）
|
第三讲 聚类分析及R语言实现
聚类分析是一种原理简单、应用广泛的数据挖掘技术。顾名思义，聚类分析即是把若干事物按照某种标准归为几个类别，其中较为相近的聚为一类，不那么相近的聚于不同类。
Ø 案例一：对著名的鸢尾花数据进行K均值聚类分析
Ø 案例二：对汽车数据进行K均值聚类分析
Ø 案例三：对洛杉矶街区数据进行层次聚类
Ø 案例四：对汽车数据进行层次聚类
第四讲 关联规则及R语言实现
关联规则（著名的“啤酒和尿布”）是数据挖掘的基础和核心技术之一，本讲将着重围绕经典的Apriori算法，阐明关联规则的支持、置信和提升程度与控制，使用R语言快速完成关联规则分析，并通过arulesViz扩展包对关联规则进行可视化展示。
案例：利用超市购物篮Groceries数据进行关联规则分析
|
|
数据挖掘模型实战（二）
|
第五讲 KNN近邻算法及R语言实现
KNN（k-Nearest Neighbor)分类算法是数据挖掘分类技术中较简单的方法之一。所谓k最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。
Ø 案例一：对鸢尾花数据集进行knn分类
Ø 案例二：对乳腺癌数据进行knn分类
Ø 案例三：对文本数据进行knn分类
第六讲 决策树分类及R语言实现
决策树是数据挖掘的经典方法，其原理容易被理解。本讲主要讲授两种最为普遍的决策树算法：CART和C5.0算法，使用rpart和C50函数进行R语言分析。
Ø 案例一：对鸢尾花数据集运用C50算法分类
Ø 案例二：对鸢尾花数据集运用CART算法进行分类
Ø 案例三：对汽车数据运用CART对汽车重量进行预测
|
|
行业应用案例分享（一）
|
第七讲 深度挖掘用户付费行为及社会网络分析
Ø 对用户的购买行为进行购物篮分析
Ø 智能推荐系统常用算法介绍
Ø 对用户购物行为构建智能推荐系统
Ø 社会网络图基本知识
Ø 利用R语言绘制社会网络图
Ø 利用Gephi绘制社会网络图
Ø 对用户购物行为进行聚类分析，发现社群
|
|
行业应用案例分享（二）
|
第八讲 客户价值分析
Ø 背景与挖掘目标
Ø 分析方法及过程
Ø 数据探索分析
Ø 数据预处理
Ø 模型构建
Ø 模型应用
|
|
|
第九讲 漏斗模型及路径分析
Ø 漏斗模型的主要应用场景
Ø 路径分析的主要应用场景
Ø 漏斗模型与路径分析的不同点
Ø sunburst事件路径图的绘制方法
Ø 利用基于时序的关联规则对点击事件进行分析
|
