- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐



















- 课程介绍
- 课程大纲 试看
- 讲师好课 41
适合人群:
数据分析师 数据挖掘工程师 数据开发人员 数据爱好者
课程目标:
通过本课程学习,提升知识点综合应用能力。通过不同行业案例的分享,学习数据挖掘在实际业务数据中的方法论,达到举一反三,进而能将挖掘技术应用到自己实际数据中去。
课程简介:
本课程属于数据挖掘及R语言实战的进阶篇,需要具备较扎实的R语言基础。希望通过本课程,能将以往学到的数据挖掘理论知识和R语言工具,利用四个不同行业的实际数据,如何从原始数据阶段,一步步进行数据清洗、数据转换、数据探索、数据建模等过程,通过不同行业案例的分享,学习数据挖掘在实际业务数据中的方法论,达到举一反三,进而能将挖掘技术应用到自己实际数据中去。
课程大纲-R语言实战之行业案例分享视频课程
资料下载-
第1章 对玩家付费行为进行预测 (1小时57分钟 8节)
-
1-2
关联规则基本知识及R语言实现 介绍关联规则的基本原理及R语言的实现:利用arules包建立关联规则模型并利用arulesViz包对关联规则进行可视化展示。并介绍了事物型格式数据的转换方法。
[16:12] 开始学习 -
1-3
数据格式转换和事物型数据探索 对游戏玩家的购物道具进行探索,利用itemFrequency函数计算各个项集的出现频率(支持度),输出支持度support最大的前20个项集的支持度频率图。
[18:36] 开始学习 -
1-4
建立关联规则及规则解读 利用arules函数建立关联规则,并通过调整参数得到有价值的结果,通过subset函数对关联规则进行子集提取,通过sort函数对规则进行排序,最后通过arulesViz包中的plot函数对关联规则进行可视化展示。
[14:20] 开始学习 -
1-6
案例:对玩家物品购买进行智能推荐 案例:对玩家物品购买进行智能推荐,首先将矩阵转化为binaryRatingMatrix对象,然后选择选择IBCF算法建立模型,最后通过bestN函数查看top3推荐。
[08:08] 开始学习 -
1-8
案例:玩家购买物品分群分析 玩家购买物品分群分析:首先将矩阵转换成社会网络分析常用的from_to格式的数据集,并进行多种聚类算法实现聚类,从聚类结果中发现有价值的知识。
[19:32] 开始学习 -
第2章 渠道质量分析 (59分钟 3节)
-
第3章 航空公司价值分析 (47分钟 2节)
-
3-2
航空公司客户价值分析 介绍航空公司进行客户价值分析的背景,介绍实际数据状况,进行特征工程处理,并对数据进行缺失值和异常值处理及归一化,最后利用k-means聚类对用户进行分群,对不同群体的用户特征进行解读。
[44:06] 开始学习 -
第4章 基于数据挖掘技术的市财政收入分析预测模型 (1小时6分钟 4节)