课程介绍
R语言实战课程采用MBA式的案例教学，结合统计∮理论，建模方√法论、R语言编程和老师的丰富实际项目经验，力求让每◢一个学生都能够把学到的知识运用到实际工作中去。我们精选的案例是目前企业真实场景下应用很广卐泛的场景，集合了互联网用户分析、精准营销、风险评估、BI设计与实施等领域的数据挖掘实例，对您从事真正的数据分析工作♂有针对性的指导与帮助。
培训对象
对R语言感兴趣的人；在工作中运用到R语言的IT技术人员。
课程收益
深度学习R语言和数据挖掘的前沿算法
理解企业真实业务场景的建模流程
熟练使用R语言进行建模和实操
成为有多种技能并能融会贯通的复合型※数据分析人才
知识概要
数据结构概述
数据整理概述
数据分布
线性回归★的思想
概述和距离
概述
关联规「则介绍
决策树介绍
课程大纲
1.1、数据结构概述
1.2、向量
1.3、因子
1.4、矩阵
1.5、数据框
1.6、列表和函数
1.7、向量化计算和apply
2.1、数据整理概述
2.2、数据导入导出和缺失※值处理
2.3、缺失值处理2（发现缺失值）
2.4、缺失值处理3（处理缺失值）
2.5、数据转换(1)
2.6、数据转换(2)
2.7、数据规约和随机
3.1、数据分布
3.2、集中趋势
3.3、离散趋势和相关↘
3.4、R中的描述统计
3.5、分组统计
3.6、单变量可视化
3.7、双变→量可视化Ψ
3.8、分组统计可视化
4.1、线性←回归的思想
4.2、回归结果的检查】
4.3、决定系数 预测 和多元线性回归
4.4、一元线性回归演示
4.5、多项式〓回归演示
4.6、残差分析演示
4.7、多元线性回归演示
5.1、概述和距离
5.2、数据变换
5.3、层次聚类『法
5.4、kmeans聚类1
5.5、kmeans聚类2
6.1、概述
6.2、相关性会导致无法求解或者不稳定
6.3、逐步回归
6.4、主成分分析
6.5、主成分分析例▓子1
6.6、主成分分析例子2
6.7、因子分析
6.8、因子分析例子
7.1、关联规则介绍
7.2、关联规则演示
8.1、决策树介绍
8.2、几种▅分类算法介绍
8.3、评价模型准确性
8.4、C4.5 和╲混淆矩阵 ROC图
8.5、CART演示
认证过程
无认①证考试
开班信息
暂无开班信息