| 統(tǒng)計學(xué)基本原理 |
- 何謂研究
- 常見的研究名詞:概念性架構(gòu)、模型、操作型定義、變量、命題與假設(shè)
- 問卷設(shè)計原則與操作
- 研究中常見的變量：自變量、依變量、中介變量、干擾變量及控制變量
- 統(tǒng)計分析常用的名詞：平均數(shù)、眾數(shù)、方差、協(xié)方差、標(biāo)準(zhǔn)偏差、標(biāo)準(zhǔn)誤
- 測量尺度的應(yīng)用：名目尺度、順序尺度、區(qū)間尺度及比例尺度
- 估計(Confidence Interval, CI)與檢定(P-value)
- 自由度 9. 統(tǒng)計的假設(shè)：常態(tài)、同質(zhì)、獨立 10. 信度
- 效度：表面效度、內(nèi)容效度、效標(biāo)效度、建構(gòu)效度(收斂效度及區(qū)別效度
|
| R語言基礎(chǔ) |
- R簡介、數(shù)據(jù)類型介紹、R的數(shù)據(jù)可視化、常用R包介紹。R集成開發(fā)環(huán)境
- 數(shù)據(jù)整理：數(shù)據(jù)的讀入輸出、控制流、各種圖表，常用統(tǒng)計量計算
- 數(shù)據(jù)展現(xiàn)1：基本制圖函數(shù)綜述、理解關(guān)鍵制圖參數(shù)
|
| R語言數(shù)據(jù)可視化 |
- 數(shù)據(jù)展現(xiàn)2：散點圖、線圖與時間序列譜圖，案例：股價走勢可視化展現(xiàn)
- 數(shù)據(jù)展現(xiàn)3：柱形圖，點圖，餅圖，直方圖，案例：銷售數(shù)據(jù)可視化展現(xiàn)
- 數(shù)據(jù)展現(xiàn)4：箱線圖，熱力圖，等高線，地圖，案例：Facebook好友聯(lián)系圖
|
| Logistic回歸與商業(yè)大數(shù)據(jù)建模 |
- Logistic回歸是商業(yè)建模的常用重要數(shù)據(jù)挖掘方法，本講要講清楚Logistic回歸的建模原理、與多元線性模型的區(qū)別、R語言實現(xiàn)過程及回歸診斷注意事項、預(yù)測方法和結(jié)果解釋，讓學(xué)員徹底地掌握Logistic回歸解決問題的R語言方法。
- 主要案例：
- 案例2：利用Logistic回歸分析網(wǎng)頁點擊流量
- 案例3：利用Logistic回歸分析婚外情
|
| 關(guān)聯(lián)規(guī)則和R語言實現(xiàn) |
- 關(guān)聯(lián)規(guī)則（著名的“啤酒和尿布”）是數(shù)據(jù)挖掘的基礎(chǔ)和核心技術(shù)之一，本講將著重圍繞經(jīng)典的Apriori算法和eclat算法，闡明關(guān)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(guān)聯(lián)規(guī)則分析。
- 主要案例：
- 案例1：使用R語言關(guān)聯(lián)規(guī)則方法幫助各個超市實現(xiàn)商品的最佳捆綁銷售方案（即“購物籃”分析）；
|
| 決策樹（回歸樹）分析和隨機森林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。本講主要講授兩種最為普遍的決策樹算法：CART和C4.5算法，使用rpart和J48函數(shù)進行R語言分析。
- 主要案例：
- 案例1：對汽車銷量走勢預(yù)測
|
R語言聚類算法
|
- 在機器學(xué)習(xí)中，聚類算法包括，層次聚類法，譜系圖，k平均值法，k中心法
- 是非常重要的算法模塊
- 主要案例：
- 案例1：推薦系統(tǒng)?
|
