R语言数据探索实战指南
¥89.9
你将收获
- 掌握数据质量分析的基本方法
- 使用R语言进行缺失值和异常值识别处理
- 掌握数据间的相关关系
数千家企业正在使用三节课企业版学习
无限制学习2000+门课程，200+精选学习专题
课程介绍
《R语言数据探索实战指南》是一门深度学习R语言的课程，专注于数据处理关键要素。课程涵盖缺失值的识别与处理、异常值的甄别技术、相关性分析等内容。通过实用案例，学员将掌握处理各种缺失数据场景的技能，提高数据分析准确性。课程还注重异常值的分析，教授如何利用R语言进行异常值检测，确保数据质量和可信度。最后，学员将深入了解数据之间的相关性，通过R语言进行相关性检验，揭示不同变量的关联关系。本课程通过理论与实践相结合，帮助学员快速掌握R语言在数据探索中的应用，使其能熟练处理缺失值和异常值，深刻理解数据之间的相关关系，成为数据分析的高手。加入我们，共同提升数据分析技能！
适合人群
- 高校师生：希望可以学习使用R语言，提高数据分析能力的学员
- 数据分析师：希望自己提升使用R语言进行数据分析能力的学员
- 数据挖掘工程师：希望提升R语言数据探索能力的学员
- 算法工程师:希望使用R语言进行数据处理，提升R语言能力的学员
讲师介绍
曾就职于平安人寿担任资深数据挖掘专家，目前供职于世界百强企业，负责数据中台、数据化运营、金融科技、创新规划等项目及前沿研究。有13年的数据挖掘与分享相关工作的经验；曾经从事过电商、电购、电力、游戏、金融和物流等行业，熟悉不同行业的数据特点。R语言资、python资深玩家，熟练掌握深度学习Tensorflow2框架，有丰富的大数据挖掘和可视化实战经验。2017-2023年微软MVP。《中国现场统计研究会大数据统计分会》第一届理事。 历届中国R语言大会特邀演讲嘉宾。 书籍著作：《R语言与数据挖掘》、《数据实践之美：31位大数据专家的方法、技术与思想》《R语言游戏数据分析与挖掘》、《Keras深度学习：入门、实战与进阶》、《R语言数据分析与挖掘（微课）》和深度学习从入门到精通：基于keras（微课版）》
课程大纲
共0节 时长0分钟
1、模块四课程内容介绍
9分钟
2、数据预处理常用理论知识梳理
21分钟
3、数据分箱cut函数案例详解
24分钟
4、改善变量分布的变换案例详解
25分钟
5、缺失值和异常值产生的原因和危害
11分钟
6、数据清洗常用方法介绍
24分钟
7、缺失值识别函数（is.na及complete.cases函数详解）
30分钟
8、删除有缺失值的列详解
20分钟
9、列表显示缺失值模式md.pattern函数案例详解
38分钟
10、图形 探究缺失值模式aggr函数案例详解
22分钟
11、用均值对缺失值进行填补案例详解
17分钟
12、用中位数对缺失值进行填补案例详解
13分钟
13、线性回归模型插补案例详解
33分钟
14、使用随机森林和袋装的方式对缺失值进行插补案例详解
17分钟
15、使用KNN算法对缺失值进行插补案例详解
24分钟
16、异常点判定方法理论概述
24分钟
17、质量控制图的使用和控制规则
15分钟
18、常见质量控制图原理介绍
21分钟
19、判断异常值R语言实现
10分钟
20、P质量控制图案例演示
28分钟
21、实例1：对日付费率绘制P质量控制图详解
40分钟
22、实例2：某款手游道具日客单价的单值均值控制图
19分钟
23、箱线图boxplots.stats案例介绍1
30分钟
23、箱线图boxplots.stats案例介绍2
14分钟
24、实例：利用箱线图甄别7留数据是否异常
19分钟
25、聚类分析识别异常值案例详解
30分钟
26、相关分析常用方法介绍
14分钟
27、相关分析之散点图及散点图矩阵
15分钟
28、相关分析之相关系数介绍1
18分钟
29、相关分析之相关系数案例详解
15分钟
30、相关系数可视化案例详解1
29分钟
30、相关系数可视化案例详解2
17分钟
31、实战一：对问卷调研数据的缺失值模式进行探索
22分钟
32、实战二：对信用卡数据进行清洗-包括缺失值和异常值处理
26分钟
33、实战三：对游戏玩家玩牌数据进行相关性分析
24分钟
购课须知
课程有效期：
自购买课程之日起 365 天，部分参与营销活动产品以活动规则为准，请同学在有效期内学习、观看课程。
上课模式：
课程采取录播模式，请注意自学课无班级微信群、班主任带班及助教批改服务。
注：自学课不支持退款，确保你是真的需要再进行报名，报完名之后还请认真学习。