課程大綱： 大數(shù)據(jù)分析及可視化培訓
數(shù)據(jù)處理及復雜數(shù)據(jù)可視化（一）
第一講 大數(shù)據(jù)挖掘及可視化介紹? 數(shù)據(jù)挖掘及可視化背景? 數(shù)據(jù)挖掘流程? 常用挖掘工具介紹? R語言的優(yōu)勢?
R數(shù)據(jù)挖掘可視化工具-Rattle快速上手? R語言對復雜數(shù)據(jù)可視化的優(yōu)勢? R語言快速入門? 利用caret包做數(shù)據(jù)抽樣及虛擬化處理
數(shù)據(jù)處理及復雜數(shù)據(jù)可視化（二）
第二講 數(shù)據(jù)質量分析及高級可視化? 缺失值處理的高級方法? 異常值甄別的高級方法? 數(shù)據(jù)可視化進階：lattice及ggplot2包介紹? 數(shù)據(jù)交互可視化：
rCharts、recharts、networkD3、plotly等包介紹
數(shù)據(jù)挖掘模型實戰(zhàn)（一）
第三講 聚類分析及R語言實現(xiàn)聚類分析是一種原理簡單、應用廣泛的數(shù)據(jù)挖掘技術。顧名思義，聚類分析即是把若干事物按照某種標準歸為幾個類別，
其中較為相近的聚為一類，不那么相近的聚于不同類。
? 案例一：對著名的鳶尾花數(shù)據(jù)進行K均值聚類分析
? 案例二：對汽車數(shù)據(jù)進行K均值聚類分析
? 案例三：對洛杉磯街區(qū)數(shù)據(jù)進行層次聚類
? 案例四：對汽車數(shù)據(jù)進行層次聚類
第四講 關聯(lián)規(guī)則及R語言實現(xiàn)關聯(lián)規(guī)則（著名的“啤酒和尿布”）是數(shù)據(jù)挖掘的基礎和核心技術之一，
本講將著重圍繞經(jīng)典的Apriori算法，闡明關聯(lián)規(guī)則的支持、置信和提升程度與控制，使用R語言快速完成關聯(lián)規(guī)則分析，
并通過arulesViz擴展包對關聯(lián)規(guī)則進行可視化展示。案例：利用超市購物籃Groceries數(shù)據(jù)進行關聯(lián)規(guī)則分析
數(shù)據(jù)挖掘模型實戰(zhàn)（二）
第五講 KNN近鄰算法及R語言實現(xiàn)KNN（k-Nearest Neighbor)分類算法是數(shù)據(jù)挖掘分類技術中較簡單的方法之一。
所謂k近鄰，就是k個近的鄰居的意思，說的是每個樣本都可以用它接近的k個鄰居來代表。
? 案例一：對鳶尾花數(shù)據(jù)集進行knn分類
? 案例二：對乳腺癌數(shù)據(jù)進行knn分類
? 案例三：對文本數(shù)據(jù)進行knn分類
第六講 決策樹分類及R語言實現(xiàn)決策樹是數(shù)據(jù)挖掘的經(jīng)典方法，其原理容易被理解。
本講主要講授兩種為普遍的決策樹算法：CART和C5.0算法，使用rpart和C50函數(shù)進行R語言分析。
? 案例一：對鳶尾花數(shù)據(jù)集運用C50算法分類
? 案例二：對鳶尾花數(shù)據(jù)集運用CART算法進行分類
? 案例三：對汽車數(shù)據(jù)運用CART對汽車重量進行預測
行業(yè)應用案例分享（一）
第七講 深度挖掘用戶付費行為及社會網(wǎng)絡分析? 對用戶的購買行為進行購物籃分析? 智能推薦系統(tǒng)常用算法介紹
? 對用戶購物行為構建智能推薦系統(tǒng)? 社會網(wǎng)絡圖基本知識? 利用R語言繪制社會網(wǎng)絡圖? 利用Gephi繪制社會網(wǎng)絡圖? 對用戶購物行為進行聚類分析，發(fā)現(xiàn)社群
行業(yè)應用案例分享（二）
第八講 客戶價值分析? 背景與挖掘目標? 分析方法及過程? 數(shù)據(jù)探索分析? 數(shù)據(jù)預處理? 模型構建? 模型應用
第九講 漏斗模型及路徑分析? 漏斗模型的主要應用場景? 路徑分析的主要應用場景? 漏斗模型與路徑分析的不同點
? sunburst事件路徑圖的繪制方法? 利用基于時序的關聯(lián)規(guī)則對點擊事件進行分析
加入高級會員獲得助教答疑
