R数据分析专题

（学习编程工具R，掌握统计分析和数据清洗方法，提升数据可视化能力，进阶统计建模知识，强化数据分析技能。）

• 01

  R语言入门基础

  1. 统计软件比较

  2. R语言入门和安装

  3. R的基本数据类型

  4. R的数据结构

  5. 外部数据导入

  6. R语言程序控制

• 02

  R语言进行描述性分析

  一、变量统计特征探索

  1. 集中趋势的度量

  2. 离散程度的度量

  3. 偏态和峰态的度量

  二、变量的可视化探索

  1. 图形展示三部曲

  2. 不同的图表类型介绍

  3. R软件实现：饼图、柱状图、直方图、线图、箱线图

  4. ggplot2包绘图介绍

  5. qplot包绘图介绍

• 03

  R语言进行推断性分析

  1. 统计量基本概念

  2. 参数估计：点估计和区间估计

  3. 假设检验

  4. 两样本T检验

  5. 方差分析

  6. R语言实现

• 04

  市场调研与数据预处理技术

  1. 数据采集

  2. 数据抽样技术：错误值、缺失值、离群值处理

  3. 数据预处理

  4. 变量关系探索

  5. 数据变换

  6. 数据降维

  7. 案例：R语言对客户信用类变量进行降维。

• 05

  透过现象看本质：回归分析

  1. 客户关系管理与数据挖掘应用场景

  2. 客户价值分析方法

  3. 相关分析方法

  4. 线性回归分析

  5. 线性回归的诊断

  6. 案例：使用线性回归进行信用卡客户消费预测

• 06

  期中项目作业

机器学习算法专题

（从商业理解到模型建立，围绕分类、回归、聚类三大数据挖掘主题，系统讲解机器学习算法和R实现，平滑过度到高级数据分析师）

• 07

  最简单的机器学习算法 -K最近邻

  一、K最近邻简介

  1 数据前处理

  2 距离的计算

  3 预测概率的推估

  4 预测数值的推估

  三、K最近邻应用

  1 案例：电影推荐实例

  四、R语言实操

  1 案例：疾病诊断案例

  2 案例：寿险推销案例

  3 案例：汽车油耗预测案例

• 08

  数学与科学的反映-贝叶斯网络

  一、贝式网络简介

  1 朴素贝式网络与贝式网络

  2 贝式定理及属性权重

  二、朴素贝式网络模型建置

  1 独立性假设

  2 概率为0的处理

  3 概率正规化

  4 空值处理

  5 数值型字段的处理

  三、贝式网络模型建置

  1 TAN模型原理

  四、R语言实操

  1 案例：电信宽带使用预测案例

• 09

  分而治之的算法模型-决策树

  一、决策树简介

  1 分类树与回归树

  二、以分类树建立分类模型

  1 分类树的学习及测试阶段

  2 分类树的种类及分类树的归纳学习原理

  3 分类树的属性选择

  4 分类树的砍树方法

  5 分类树与分类规则

  三、以回归树建立分类模型

  1 回归树的归纳学习原理

  2 回归树的改进-模型树

  3 回归树的属性选择方法

  四、R语言实操

  1 医疗业乳癌预测案例

  2 医疗业糖尿病预测案例

  3 汽车业CPU效能预测案

  4 汽车业油耗预测案例

• 10

  人工智能的底层模型-神经网络

  一、类神经网络简介

  1 生物神经网络的构造

  2 倒传递神经网络的架构

  二、以倒传递神经网络建立分类模型

  1 顺向数值传递

  2 逆向权重及偏移植修正

  3 神经网络逐步分类学习过程及CISPACE演示

  三、以倒传递神经网络建立数字预测模型

  1 神经网络逐步数字预测学习过程及CISPACE演示

  四、数据前处理

  1 数值型及类别型属性的数据前处理

  五、类神经网络总结

  1 类神经网络的优缺点及与线性回归、Logisic回归、非线型回归间的关系

  六、R语言实操

  1 案例：零售业便利超商选点案例

  2 案例：房地产房价预测案例

• 11

  最受欢迎的智能算法-支持向量机

  一、支持向量机简介

  1 线性可分与线性不可分

  2 坐标转换

  二、支持向量机模型建置

  1 支持向量

  2 决策边界

  3 线性支持向量机

  4 错误率与最大决策边界

  5 非线性支持向量机及核函数

  三、支持向量机总结

  1 支持向量机与线性回归、类神经网络、非线型回归间的关系

  四、R语言实操

  1 案例：医疗业细胞样本分类案例

• 12

  机器学习兵器谱的“屠龙刀”-集成学习算法

  一、集成学习简介

  1 传统学习与集成学习

  2 集成学习的分类

  二、集成学习模型建置

  1 袋装法原理

  2 提升法原理

  3 随机森林原理

  4 集成学习方法比较

  三、R语言实操

  1 案例：电信业产品交叉销售案例

  2 案例：银行业小额信贷营销案例

• 13

  深入洞察你的客户-聚类分析和客户画像

  一、聚类分析简介

  1 聚类分析的目的

  二、聚类分析模型建置

  1 相似性/相异性的衡量

  2 聚类算法的分类

  3 阶层式与分割式聚类方法

  4 群数的判断与描述

  三、R语言实操

  1 案例：银行客户聚类案例

• 14

  发掘购物篮规则 - 关联分析

  一、关联规则

  1 关联规则的概念

  2 关联规则的评估指标：支持度、置信度、提升度

  3 Apriori算法

  4 关联规则的生成

  二、序列模式

  1 序列模式的概念

  2 序列模式的评估指标

  3 AprioriAll 算法

  三、R语言实操

  1 案例：零售超商购物篮分析

• 15

  自然语言处理与机器学习结合 — 文本分析

  一、文本分析简介

  1 文本分析基本概念

  2 文本分析流程

  二、文本数据前处理

  1 中文分词与中文词性标注

  2 关键词提取与N-gram字组

  3 词频与词重要性计算计算

  4 关键词关联与文字云

  三、文本分析应用与R语言实操

  1 文本分类：PO文量预测案例

  2 文本聚类：潜在舆情主题分析案例

  3 情感分析：舆情正负评分析案例

• 16

  统计学的新兴领域-社会网络分析

  一、社会网络简介

  1 社会网络表示方式

  二、描述网络

  1 网络密度

  2 网络节点进出程度

  三、社会网络分析

  1 扩散分析理论

  2 群组分析

  3 社会相似性

  4 群组与群组成员描述(社群领袖分析)

  四、R语言实操

  1 案例：电信客户流失案例

• 17

  人脑工作机制的模拟器 -深度学习

  一、深度学习算法简介

  1 深度学习算法的历史

  二、深度学习应用案例

  1 案例：物体侦测、语言处理

  三、卷积神经网络

  1 网络架构

  2 卷积层和池化层

  3 联结卷积层及池化层

  4 卷积神经网络可视化

  四、R语言实操

  1 物体侦测案例

• 18

  就业技能直通车 – 大型项目实作案例

  一、零售业忠诚客户预测案例大型实际案例(数据大小超过20G)

  二、金融业银行信用卡评分项目实作

• 19

  期末项目作业