數據分析與數據挖掘方法論與工具

數據分析與數據挖掘方法論與工具課程/講師盡在數據分析與數據挖掘方法論與工具專題,數據分析與數據挖掘方法論與工具公開課北上廣深等地每月開課！數據分析與數據挖掘方法論與工具在線直播課程（免費試聽）。專家微信18749492090，講師手機13522550408，百度搜索“交廣國際管理咨詢”了解更多。

課程內容：
第1個主題： 數據分析與數據挖掘概述（深入剖析數據數據分析與數據挖掘的過程與方法，介紹數據建模中的機器學習與數據挖掘）
1、 數據分析與建模的概念
2、 數據分析與建模過程
3、 數據分析模型開發過程
4、 數據建模概述
5、 機器學習概念
6、 機器學習算法剖析
7、 算法庫分類
8、 算法庫
9、 深度學習
10、 神經網絡
11、 人工智能
12、 商業智能

第2個主題： 數據挖掘和應用（介紹數據挖掘和應用）
1、 數據挖掘的基本任務
2、 數據挖掘建模過程
a) 定義挖掘目標
b) 數據取樣
c) 數據探索
d) 數據預處理
e) 挖掘建模
f) 建立模型
g) 業務理解
h) 模型擬合
i) 訓練集
j) 測試集
k) 模型評價
3、 常用的數學預測模型
a) 線性回歸
b) 回歸（預測）與分類
c) 決策樹與隨機森林
d) 聚類分析（kmeans）
e) 關聯規則
f) 時序模式
g) 離群點檢測
h) 深度學習
i) 人工智能
j) 神經網絡
4、 案例：如何從數據中挖掘出有價值的信息

第3個主題： 數據預處理（剖析數據預處理技術）
1、 數據分析挖掘的過程
2、 建立數據庫的方法
3、 企業對數據分析挖掘的錯誤認識
4、 有效運用數據為客戶提供針對性、主動化服務（精準營銷）
5、 數據源
6、 數據采集
7、 隨機抽樣
8、 數據去重
9、 數據缺失值處理
10、 檢驗數據邏輯錯誤
11、 離群點檢測
12、 數據轉換
13、 數據分組
14、 課堂實操：數據預處理案例講解

第4個主題： 數據的描述性分析（深入剖析數據的描述性分析）
1、 統計學基本概念
2、 統計數據的計量尺度
3、 常用基本統計量
4、 集中趨勢的描述指標
5、 離散趨勢的描述指標
6、 中心極限定理
7、 大數定律
8、 數據的分布
9、 正態分布的特征
10、 偏度和峰度
11、 檢測數據集的分布
12、 數據的分布擬合檢驗與正態性檢驗
13、 抽樣標準
14、 假設檢驗
15、 T檢驗
16、 置信區間

第5個主題： 數據的可視化（實踐數據可視化）
1、 散點圖
2、 直方圖
3、 經驗分布函數
4、 QQ圖
5、 莖葉圖
6、 離群點檢測
7、 箱型圖檢驗離群值
8、 蓋帽法
9、 課堂實操：SPSS描述性統計分析實現航空業客戶描述和行為分析模型

第6個主題： 主成分分析和因子分析（深入剖析主成分分析及因子分析）
1、 主成分分析
2、 總體主成分
3、 樣本主成分
4、 主成分分析模型
5、 案例：SPSS主成分分析模型實現
6、 課堂實操：SPSS主成分分析模型實現

第7個主題： 方差分析（深入剖析方差分析方法及SPSS實現）
1、 單因素方差分析
2、 單因素方差分析模型
3、 因素效應的顯著性檢驗
4、 因素各水平均值的估計與比較
5、 兩因素等重復試驗下的方差分析
6、 統計模型
7、 交互效應及因素效應的顯著性檢驗
8、 無交互效應時各因素均值的估計與比較
9、 有交互效應時因素各水平組合上的均值估計與比較
10、 兩因素非重復試驗下的方差分析
11、 金融案例：SPSS方差分析實現
12、 課堂實操：SPSS方差分析實現

第8個主題： Bayes統計分析（深入剖析Bayes統計分析）
1、 Baves統計模型
2、 Bayes統計分析的基本思想
3、 Bayes統計模型
4、 Bayes統計推斷原則
5、 先驗分布的Bayes假設與不變先驗分布
6、 共軛先驗分布
7、 先驗分布中超參數的確定
8、 Baves統計推斷
9、 參數的Bayes點估計
10、 Bayes區間估計
11、 Bayes假設檢驗
12、 案例：SPSS實現Bayes統計分析建模
13、 課堂實操：SPSS實現Bayes統計分析建模

第9個主題： 數學建模（深入剖析數學建模）
1、 數學建模
2、 數學預測模型
3、 模型評估
4、 模型參數優化

第10個主題： 回歸分析與分類分析原理與應用（深入剖析數據的回歸分析與分類分析的原理以及應用）
1、 回歸與分類
2、 回歸分析概念
3、 線性回歸模型及其參數估計
4、 一元線性回歸
5、 一元線性回歸模型
6、 一元線性回歸模型求解參數
7、 損失函數
8、 求偏導
9、 回歸方程的顯著性檢驗
10、 殘差分析
11、 誤差項的正態性檢驗
12、 殘差圖分析
13、 統計推斷與預測
14、 回歸模型的選取
15、 窮舉法
16、 逐步回歸法
17、 嶺回歸分析
18、 SPSS一元線性回歸
19、 金融案例：SPSS一元線性回歸模型檢驗
20、 多元線性回歸概述
21、 多元線性回歸模型
22、 金融案例：SPSS多元線性回歸實現航空業信用打分和評級模型

第11個主題： Logistic回歸分析（剖析Logistic回歸與其它回歸分析方法）
1、 Logistic回歸介紹
2、 Logistic函數
3、 Logistic回歸模型
4、 案例：SPSS Logistic回歸實現
5、 課堂實操：SPSS Logistic回歸實現航空業欺詐預測模型
6、 課堂實操：SPSS Logistic回歸實現航空業風險分析模型

第12個主題： 非線性回歸原理及應用（剖析非線性回歸原理及應用實踐）
1、 非線性回歸
2、 雙曲線函數
3、 冪函數
4、 指數函數
5、 對數函數
6、 S型曲線
7、 案例：SPSS非線性回歸實現
8、 課堂實操：SPSS非線性回歸實現航空業經營分析和績效分析模型

第13個主題： 數據建模常用距離（深入剖析數據建模過程中常用的距離模型）
1、 數據挖掘常用距離
2、 歐氏距離
3、 曼哈頓距離
4、 切比雪夫距離
5、 閔可夫斯基距離
6、 標準化歐氏距離
7、 馬氏距離
8、 夾角余弦
9、 漢明距離
10、 杰卡德距離 & 杰卡德相似系數
11、 相關系數 & 相關距離
12、 信息熵

第14個主題： 聚類分析與建模實現（深入剖析聚類分析以及通過SPSS聚類算法模型分析數據）
1、 聚類分析
2、 聚類算法
3、 樣品間相近性的度量
4、 快速聚類法
5、 快速聚類法的步驟
6、 用Lm距離進行快速聚類
7、 譜系聚類法
8、 類間距離及其遞推公式
9、 譜系聚類法的步驟
10、 變量聚類
11、 案例：SPSS聚類實現及繪圖
12、 案例：Kmeans應用案例剖析
13、 課堂實操：編寫程序實現Kmeans應用案例剖析

第15個主題： 決策樹分析與實現（深入剖析決策樹分析以及通過SPSS決策樹模型分析數據）
1、 決策樹分析
2、 決策樹
3、 決策樹構成要素
4、 決策樹算法原理
5、 決策樹法的決策過程
6、 決策樹算法
7、 案例：SPSS實現決策樹分析
8、 課堂實操：SPSS實現航空業客戶細分模型
9、 隨機森林

第16個主題： 關聯規則分析與實現（深入剖析關聯規則分析以及通過SPSS關聯規則算法模型分析數據）
1、 關聯規則
2、 支持度與置信度
3、 關聯規則挖掘的過程
4、 Apriori算法
5、 關聯規則案例
6、 支持度與置信度計算
7、 案例：SPSS實現關聯規則
8、 課堂實操：SPSS實現航空業數據關聯規則分析

第17個主題： 數據建模時序模式分析與實現（深入剖析時序模式分析）
1、 時序模式
2、 時間序列分析
3、 時間序列分析
4、 時間序列
5、 序列分析的三個階段
6、 課堂實操：SPSS實現航空業客戶流失模型

第18個主題： 數據分析工具SPSS/SAS在金融行業應用案例（深入剖析數據分析工具SPSS/SAS在金融行業應用案例）
1、 案例：風險分析模型
2、 案例：信用打分和評級模型
3、 案例：客戶細分模型
4、 案例：客戶描述和行為分析模型
5、 案例：欺詐預測模型
6、 案例：客戶流失模型
7、 案例：經營分析和績效分析模型
8、 案例：交叉銷售和增量銷售模型
9、 案例：SPSS實現航空業客戶流失模型建模
10、 課堂實操：SPSS實現金融行業客戶流失模型建模

第19個主題： 大數據個性化精準推薦實戰（深入理解大數據個性化精準推薦原理和實現技術）
1、 個性化推薦的理論依據
2、 個性化推薦的價值
3、 個性化推薦能達到的目的
4、 個性化推薦的原則
5、 個性化推薦技術發展史
6、 個性化推薦的相關技術
7、 基于用戶的常用推薦算法
8、 基于用戶的協同過濾推薦
9、 課堂實操：SPSS實現航空業交叉銷售和增量銷售模型