|
模塊名稱
|
課程內(nèi)容
|
|
原始數(shù)據(jù)的探索與預(yù)處理?
|
1.?度量數(shù)據(jù)集的集中程度
2.?度量數(shù)據(jù)集的分散程度
???? 1) 極值，方差和標(biāo)準(zhǔn)差
???? 2）標(biāo)準(zhǔn)誤和偏差系數(shù)，峰度系數(shù)
3. 創(chuàng)建一個數(shù)字摘要表
4. 異常值的觀測與說明
???? 1）利用箱線圖觀測異常值并處理
???? 2）異常值檢測的其他情況和說明
5. 缺失值的填補(bǔ)與處理
???? 1）刪除缺失值或?qū)ζ溥M(jìn)行簡單填補(bǔ)
???? 2）按照相關(guān)性對空缺值進(jìn)行填補(bǔ)
|
|
R的數(shù)據(jù)可視化?
|
1.? plot()函數(shù)和常用的圖形參數(shù)
???? 1）設(shè)置plot()函數(shù)中的參數(shù)
???? 2）修改散點(diǎn)圖的坐標(biāo)并加入標(biāo)注
2. 經(jīng)典的基礎(chǔ)圖形及用途
???? 1）線圖
???? 2)直方圖
???? 3)箱線圖和莖葉圖
3. 將圖形組合起來
4. 更多的高水平作圖函數(shù)
5. 更多的常用作圖命令
|
|
R中參數(shù)的估計(jì)和檢驗(yàn)?
|
1. 使用R進(jìn)行點(diǎn)估計(jì)和區(qū)間估計(jì)
???? 1) 簡單的點(diǎn)估計(jì)和區(qū)間估計(jì)
???? 2 )估計(jì)單側(cè)置信區(qū)間
2. 與正態(tài)總體有關(guān)的參數(shù)檢驗(yàn)
3. 列聯(lián)表與獨(dú)立性檢驗(yàn)
4. 集中檢驗(yàn)數(shù)據(jù)分布的函數(shù)
5. 對非正態(tài)總體的區(qū)間估計(jì)和檢驗(yàn)
?1）非正態(tài)總體的區(qū)間估計(jì)
?2）非參數(shù)檢驗(yàn)中的符合檢驗(yàn)
?3）非參數(shù)檢驗(yàn)中的秩檢驗(yàn)
|
|
R中的方差分析?
|
1. 方差分析模型的建立
2? .單因素方差分析
???? 1）單因素方差分析的數(shù)學(xué)思想與模型
??? ?2）檢驗(yàn)樣本是否滿足方差分析的假設(shè)條件
???? 3）構(gòu)建單因素方差分析模型
3. 多因素方差分析
?1）多因素方差分析的數(shù)學(xué)思想與模型
?2）不考慮交互作用的雙因素方差分析
?3）考慮交互作用的雙因素方差分析
4. 秩檢驗(yàn)和協(xié)方差分析
?1）對控制變量應(yīng)用秩檢驗(yàn)方法
??? 2）協(xié)方差分析的假設(shè)與應(yīng)用
|
|
R中的相關(guān)分析和回歸分析?
|
1. 多種相關(guān)系數(shù)的計(jì)算和檢驗(yàn)
???? 1）簡單相關(guān)系數(shù)的計(jì)算和檢驗(yàn)
?2）散步矩陣圖和偏相關(guān)系數(shù)
?3）典型相關(guān)分析
2. 線性回歸分析及其常歸參數(shù)
?1）對數(shù)據(jù)進(jìn)行預(yù)處理
?2）構(gòu)建第一個回歸模型
?3）修正方程并檢驗(yàn)殘差
3. 使用逐步回歸篩選自變量
?1）逐步回歸的思想與分類
?2）構(gòu)建逐步回歸模型
4. 啞變量和邏輯回歸
?1）啞變量和邏輯回歸的思想
?2）向線性回歸模型中納入啞變量
|
|
更高級的數(shù)據(jù)可視化?
|
1. 基礎(chǔ)圖形的擴(kuò)展與延伸
?1）繪制分類散點(diǎn)圖并添加圖標(biāo)
?2）繪制含多種類別的密度分布圖
?3）復(fù)合條形圖和堆棧條形圖
2. 有關(guān)多元分布函數(shù)的特殊圖形
?1）星圖和臉譜圖
?2）輪廓圖
?3）調(diào)和曲線圖
3.?建立最簡單的3D圖形
4.?如何讓圖形更美觀
5.?更過的繪圖包和系統(tǒng)
|
|
R中的聚類分析和判別分析?
|
1. 集中聚類分析的異同
2. 使用R實(shí)現(xiàn)KNN聚類
?1）KNN算法的思想和模型
?2）使用R實(shí)現(xiàn)KNN聚類
3. 使用R實(shí)現(xiàn)系統(tǒng)聚類
?1）系統(tǒng)聚類的思想和模型
?2）使用R實(shí)現(xiàn)系統(tǒng)聚類
4. 使用R實(shí)現(xiàn)快速聚類
?1）快速聚類的思想和模型
?2）使用R實(shí)現(xiàn)快速聚類
5. 集中判別分析模型綜述
?1）距離判別模型
?2）Fisher判別模型
|
|
R中的主成分分析和因子分析?
|
1. 主成分分析的實(shí)現(xiàn)與應(yīng)用
?1）主成分分析的模型假設(shè)和數(shù)據(jù)處理
?2）構(gòu)造一個主成分分析模型
?3)計(jì)算主成分的綜合得分
2. 因子分析的初次構(gòu)建與完善
?1）構(gòu)造一個簡單的因子分析模型
?2）計(jì)算因子得分并分析
3. 對因子分析模型進(jìn)行修正
?1）修改因子分析模型中的因子個數(shù)
?2）基于主成分法和主軸因子法進(jìn)行因子分析
4. 在降維分析的基礎(chǔ)上進(jìn)行回歸分析和聚類分析
? 1）在降維分析的基礎(chǔ)上進(jìn)行回歸分析
? 2）在降維分析的基礎(chǔ)上進(jìn)行聚類分析
5. 決策樹
? 1）C4.5算法
? 2）CART算法
? 3）C5.0算法
|
|
R中的廣義線性回歸模型?
|
1. 一般的廣義線性回歸模型
?1） 使用二次函數(shù)擬合線性回歸模型
?2） 擬合更多的廣義線性模型
?3） 比較線性模型的優(yōu)劣
2.? Logistic線性回歸模型
1）Logistic模型的原理與構(gòu)建方法
2）Logistic模型的顯著性檢驗(yàn)和優(yōu)勢比
3）修正被警告的Logistic模型
3. 泊松回歸分析模型
1)?擬合第一個泊松回歸模型
2)?泊松回歸模型的過散布檢驗(yàn)
4. 廣義線性模型的交叉驗(yàn)證
|
|
R中的時間序列模型?
|
1. 將數(shù)據(jù)轉(zhuǎn)換為時間序列格式
1)?使用ts()函數(shù)轉(zhuǎn)換數(shù)據(jù)格式并繪制時間序列曲線
2)?使用zoo()函數(shù)轉(zhuǎn)換數(shù)據(jù)格式并繪制時間序列曲線
2. 分解時間序列并檢驗(yàn)時間序列的自相關(guān)性
1)?使用經(jīng)典方法分解時間序列
2)?使用STL方法分解時間序列
3. 探究時間序列的自相關(guān)性
1)?使用月圖和季度圖探究自相關(guān)性
2)?使用散點(diǎn)圖探究自相關(guān)性
4. 構(gòu)建時間序列并預(yù)測
1)?均值預(yù)測，單純預(yù)測和漂移
2)?不考慮長期趨勢和季節(jié)波動的簡單指數(shù)平滑
3)?在指數(shù)平滑中加入長期趨勢和季節(jié)波動
4)?自回歸移動平均模型
|
|
R中的最優(yōu)化問題?
|
1. 最優(yōu)化問題簡述
2. 黃金分割法
1)?黃金分割法和局部最優(yōu)解
2)?使用R實(shí)現(xiàn)黃金分割法
3. 牛頓最優(yōu)化方法
1)?牛頓方法的算法原理
2)?在一維情形下實(shí)現(xiàn)牛頓迭代法
3)?在多維情形下實(shí)現(xiàn)牛頓迭代法
4. 最快上升法
1)?利用梯度求解上升最快的相鄰點(diǎn)
2)?構(gòu)建最快上升法函數(shù)并檢驗(yàn)
5.? R中最優(yōu)化函數(shù)
|
|
使用R繪制地理信息圖形?
|
1.?繪制世界，國家，省市地圖
1)?使用map()函數(shù)繪制地圖
2)?另一種繪制地圖的方法
3)?分省市繪制地圖
2.?向地圖中添加顏色
1）?向地圖中添加顏色前的準(zhǔn)備工作
2）?在地圖上添加顏色
3.?向地圖上添加標(biāo)簽和線條
1）?向地圖中添加標(biāo)簽前的準(zhǔn)備工作
2）?在地圖上添加標(biāo)簽
3）?在地圖上添加線條
4.?使用其他格式的文件優(yōu)化地圖
|
|
使用R構(gòu)建支持向量機(jī)?
|
1.?構(gòu)建一個簡單的支持向量機(jī)
1)?支持向量機(jī)的算法原理
2)?構(gòu)建一個簡單的支持向量機(jī)
3)?使用其他核函數(shù)構(gòu)建支持向量機(jī)
2.?優(yōu)化支持向量機(jī)的參數(shù)
1)?優(yōu)化參數(shù)degree
2)?優(yōu)化參數(shù)cost
3)?優(yōu)化參數(shù)gamma
3.?比較支持向量機(jī)與Logistic回歸的優(yōu)劣
4.?比較支持向量機(jī)和KNN聚類算法的優(yōu)劣
|
|
構(gòu)建電影評分預(yù)測模型?
|
1.?獲取數(shù)據(jù)并探索
2.?利用recommenderlab包處理數(shù)據(jù)
3.?建立模型并評估
1)?模型的選擇與建立
2)?模型之間的比較和評估
|
|
貝葉斯垃圾郵件過濾器模型?
|
1.?貝葉斯模型中的條件概率
2.?復(fù)雜的數(shù)據(jù)預(yù)處理過程
1)?利用for循環(huán)讀入多封郵件正文
2)?利用tm包進(jìn)一步轉(zhuǎn)換數(shù)據(jù)格式
3)?將TDM轉(zhuǎn)換成真正有用的數(shù)據(jù)框
3.?利用occurrece值構(gòu)造分類器
1)?完成理論準(zhǔn)備并處理測試郵件和普通郵件
2)?創(chuàng)建一個函數(shù)用于比較概率
|
|
可視化數(shù)據(jù)挖掘工具Rattle內(nèi)置?
|
1.?Rattle簡介及其安裝
1)?Rattle簡介
2)?Rattle安裝
2.?功能預(yù)覽
3.?數(shù)據(jù)導(dǎo)入
1)?導(dǎo)入CSC數(shù)據(jù)
2)?導(dǎo)入ARFF數(shù)據(jù)
3)?導(dǎo)入ODBC數(shù)據(jù)
4)?R Dataset—導(dǎo)入其他數(shù)據(jù)源
5)?導(dǎo)入RData File數(shù)據(jù)集
6)?導(dǎo)入Library數(shù)據(jù)
4.?數(shù)據(jù)探索
1)?數(shù)據(jù)總體概況
2)?數(shù)據(jù)分布探索
3)?相關(guān)性
4)?主成分
5)?交互圖
5.?數(shù)據(jù)建模
1)?聚類分析
2)?關(guān)聯(lián)規(guī)則
3)?決策樹
4)?隨機(jī)深林
6.?模型評估
1)?混淆矩陣
2)?風(fēng)險圖
3)?ROC圖及相關(guān)圖表
4)?模型得分?jǐn)?shù)據(jù)集
|
