R语言数据建模实战解析
体系课

R语言数据建模实战解析

  • R语言

深入探索R语言数据建模的实战之路

¥299
本课程包括
  • 4小时43分钟的视频随时观看
  • 可在APP随时观看
  • 结业证书
你将收获
  • 掌握R语言数据建模的基础知识:了解R语言的基本数据结构和数据处理方法,为数据建模打下坚实基础。
  • 掌握多种数据建模算法和技巧:通过实战案例,学员将学习线性回归、决策树、随机森林等常见的数据建模算法,并掌握其在实际问题中的应用。
  • 提高数据建模的实战能力:通过丰富的案例和实战操作,学员将提高对数据建模的理解和应用能力,能够独立解决实际的数据建模问题。
  • 增强团队协作和问题解决能力:通过小组讨论和团队项目,学员将学会与团队成员合作,共同解决复杂的实际问题,提高问题解决能力。

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

免费申请体验>
课程介绍

在当今的数据驱动时代,R语言已成为数据建模和分析的重要工具。本课程《R语言数据建模实战解析》将带领您深入了解R语言在数据建模领域的实际应用,通过丰富的实战案例,让您掌握数据建模的技巧和方法。课程将首先介绍R语言的基本数据结构,包括向量、矩阵和数据框,以及数据导入和清洗的实用技巧。接着,我们将深入探讨各种数据建模的方法和算法,如线性回归、决策树、随机森林等。通过实战案例,我们将演示如何使用R语言进行数据探索、特征选择、模型训练和评估等步骤。此外,课程还将介绍如何将R语言与其他工具和平台集成,以提高数据建模的效率和准确性。通过本课程的学习,您将掌握R语言在数据建模中的实践技巧和方法,提高对数据建模的理解和应用能力。无论您是数据分析师、数据科学家还是相关专业的学生,本课程都将为您提供宝贵的技能和知识,助您在数据建模领域取得更好的实践效果。加入我们,共同探索R语言在数据建模领域的奥秘!

适合人群
  • 数据分析师:希望深入了解R语言在数据建模方面的应用,提高建模和数据分析的效率。
  • 数据科学家:希望掌握R语言的数据建模技巧,以便在项目中更好地应用。
  • 相关专业学生:对数据建模和R语言感兴趣,希望深入了解数据建模的实战应用。
  • R语言爱好者:希望通过学习数据建模,进一步提高R语言的实战能力。
讲师介绍
2017-2024 微软MVP
擅长领域:
  • 数据挖掘与分析
  • 数据可视化
  • 深度学习
  • 机器学习
  • 数据分析与数据决策
  • 商业分析
  • 计算机视觉
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 全部收起
part 1 线性回归模型
共5节 | 1小时25分钟
  • 1、线性回归模型及自定义函数
    21分钟
  • 2、线性回归模型lm函数详解及简单线性回归案例演示
    13分钟
  • 3、多项式及多元线性回归模型
    17分钟
  • 4、逐步回归及模型判断
    16分钟
  • 5、广义线性模型logit回归
    19分钟
part 2 聚类分析
共4节 | 49分钟
  • 1、聚类方法原理介绍
    10分钟
  • 2、聚类算法R语言实现及K-均值聚类案例演示
    12分钟
  • 3、利用K-means算法来检测离群点
    9分钟
  • 4、层次聚类案例详解
    18分钟
part 3 关联规则
共5节 | 1小时1分钟
  • 1、关联规则原理及R语言实现
    11分钟
  • 2、关联规则可视化arulesViz包介绍
    6分钟
  • 3、超市购物例子-数据理解及数据可视化
    20分钟
  • 4、建立关联规则模型及规则可视化
    21分钟
  • 5、关联规则解读补充
    3分钟
part 4 KNN近邻算法
共5节 | 1小时2分钟
  • 1、KNN近邻算法原理及K值选择
    13分钟
  • 2、KNN近邻算法R语言实现
    7分钟
  • 3、案例演示:利用class包中的knn函数实现近邻算法
    14分钟
  • 4、案例演示:利用kknn函数及train函数实现近邻算法
    7分钟
  • 5、综合案例演示
    22分钟
part 5 主成分分析
共1节 | 25分钟
  • day3 主成分分析
    25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。