|
|
课程目录:% @! ~# o% X) C4 t9 ^
代码和数据.zip5 \. J1 y* n" B0 n. Y
01.第01课 R语言基础:R简介、数据类型介绍、R的数据可视化、常用R包介绍。R集成开发环境* J y" K. V3 J4 @7 [( O* U( h
02.第02课 数据整理:数据的读入输出、控制流、各种图表,常用统计量计算
* J# v$ x- {3 G% C b* O9 h03.第03课 数据展现1:基本制图函数综述、理解关键制图参数
+ j4 |! w8 S2 f8 i n# R( [1 F04.第04课 数据展现2:散点图、线图与时间序列谱图,案例:股价走势可视化展现- @7 [* `' `. O G9 ?
05.第05课 数据展现3:柱形图,点图,饼图,直方图,案例:销售数据可视化展现
6 E# U8 v: b1 l" y R" r1 }4 r: i- S06.第06课 数据展现4:箱线图,热力图,等高线,地图,案例:Facebook好友联系图! O& H4 P: t* n5 O& }
07.第07课 预知未来的回归模型1:线性回归模型,案例:网页流量预测
2 i- Y2 J7 ]! s# O08.第08课 预知未来的回归模型2:logistic回归,广义线性回归,非线性回归,案例:婚外情频率预测
- O7 I; d7 a3 A/ } S09.第09课 预知未来的回归模型3:回归检验与方差分析,案例:上两周周案例的进一步分析优化( a6 |; {2 P v( ~& x- X& k! l- `; n
10.第10课 挖掘关联和推荐技术:MINE方法,apriori购物篮分析,案例:超市购物篮分析
3 D' ]: N9 D- ?" P11.第11课 万事皆选择1:分类算法(线性判别法,贝叶斯分类器,决策树,最近邻算法),案例:汽车销量; }9 V. t$ D# Y) @
12.第12课 万事皆选择2:聚类算法(层次聚类法,谱系图,k平均值法,k中心法),案例:推荐系统* N# E% O% ~# s0 f- c1 p6 S
13.第13课 大道至简:降维技术,主成分分析和因子分析,案例:业绩综合指标设计; |3 M' f: x0 g2 {
14.第14课 沿着时间轴前进:时间序列分析,案例:未来股价预测0 q9 P$ ^% {5 L" l) s* e
15.第15课 R数据挖掘实际场景综合案例分析及前沿技术选讲- m1 }, e+ i" y, r4 |
$ I( A8 o) A: N& l |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
×
|