R语言数据挖掘实战教程
体系课

R语言数据挖掘实战教程

  • R语言

R语言数据挖掘实战:从基础到高级的深度探索

¥99.9
本课程包括
  • 13小时30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语言的基本语法和数据处理技能,能够快速有效地处理和分析数据。
  • 深入了解数据挖掘的基本概念、算法和应用领域,提升对数据挖掘的认知水平。
  • 学会使用R语言进行分类、聚类、关联规则挖掘、时间序列预测等常见的数据挖掘任务,掌握各种算法的实现方法和技巧。
  • 通过实战案例,了解数据挖掘在市场分析、客户细分、推荐系统等领域的应用,提升解决实际问题的能力。

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

在大数据时代,数据挖掘已经成为企业和组织获取竞争优势的关键。R语言以其强大的统计计算和数据可视化能力,成为了数据挖掘领域的热门工具。本课程将带领您深入了解R语言在数据挖掘领域的实际应用,帮助您掌握从数据准备、模型构建到结果解读的全过程。课程将涵盖数据挖掘的基本概念、常用算法以及R语言的实现方法。通过丰富的实战案例,我们将重点讲解分类、聚类、关联规则挖掘、时间序列预测等常见的数据挖掘任务。同时,课程还将介绍如何利用R语言进行特征选择、模型评估和优化,以提升数据挖掘的准确性和效率。此外,本课程还将分享实际项目中数据挖掘的应用场景,包括市场分析、客户细分、推荐系统等。通过案例分析,您将了解如何将理论知识与实际业务相结合,为企业提供有针对性的数据挖掘解决方案。

适合人群
  • 数据科学家和数据分析师:需要处理和分析大量数据,并从中提取有价值的信息
  • 统计学和计量经济学专业学生:希望深入了解数据挖掘技术的基础理论和实现方法,提升统计和计量经济学领域的实践技能的师生
  • R语言爱好者:对R语言感兴趣,希望了解如何使用R语言进行数据挖掘
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
一、数据挖掘必要性
共5节 | 1小时23分钟
  • 1、大数据资产的利用
    15分钟
  • 2、数据挖掘的方向及商业定义
    16分钟
  • 3、数据挖掘流程介绍
    16分钟
  • 4、合格数据挖掘工程师必备技能
    16分钟
  • 5、大数据挖掘技术
    20分钟
二、模型效果评估
共12节 | 3小时21分钟
  • 6、模型效果评估常用方法
    10分钟
  • 7、混淆矩阵指标详解
    22分钟
  • 8、混淆矩阵案例详解
    18分钟
  • 9、ROC曲线基本原理
    9分钟
  • 10、利用excel讲解各种评估曲线指标统计原理
    29分钟
  • 11、利用R计算tpr、fpr、lift各指标值详解
    15分钟
  • 12、利用plot函数绘制ROC、KS、LIFT曲线
    19分钟
  • 13、利用ggpot函数绘制ROC、KS、LIFT曲线
    16分钟
  • 14、自定义绘制各种评估曲线函数
    14分钟
  • 15、利用ROCR和pROC包绘制ROC曲线
    14分钟
  • 16、等频分箱基本原理及价值解读
    20分钟
  • 17、PSI基本原理介绍及案例演示
    15分钟
三、经典线性回归模型
共16节 | 4小时29分钟
  • 18、经典线性回归模型理论介绍
    20分钟
  • 19、线性回归模型最小二乘法的数学原理
    14分钟
  • 20、线性回归模型的判定系数
    12分钟
  • 21、自定义函数求回归系数和判定系数拟合度
    15分钟
  • 22、构建test数据集验证自定义函数
    12分钟
  • 23、lm函数及其他函数介绍
    17分钟
  • 24、lm函数案例详解
    21分钟
  • 25、对 cars数据集进行线性回归模型构建及结果可视化
    21分钟
  • 26、对cars数据集进行指数变换后建模并 对比效果
    19分钟
  • 27、利用MASS包的boxcox函数寻找指数(对数)变换的最优值
    9分钟
  • 28、多个数值自变量的线性回归模型构建
    14分钟
  • 29、利用逐步回归选择最有模型
    22分钟
  • 30、当自变量有定性变量情况下的模型讲解
    23分钟
  • 31、通过鸢尾花数据集解释为什么需要做逻辑回归
    23分钟
  • 32、逻辑回归基本原理介绍
    12分钟
  • 33、逻辑回归案例演示
    17分钟
四、决策树模型
共5节 | 1小时38分钟
  • 34、决策树的基本原理及R语言实现
    20分钟
  • 35、ID3算法举例
    21分钟
  • 36、决策树案例演示:数据清洗及分区
    18分钟
  • 37、利用C5.0算法构建分类模型
    21分钟
  • 38、利用rpart和party包实现决策树算法
    18分钟
五、聚类分析
共6节 | 1小时31分钟
  • 40、常用距离知识介绍
    23分钟
  • 41、常用聚类算法及R语言实现
    21分钟
  • 42、应用案例—iris数据集:K-均值聚类
    14分钟
  • 43、应用案例-汽车数据集—K-均值聚类
    9分钟
  • 44、案例:洛杉矶街区数据—层次聚类
    15分钟
  • 45、应用案例:汽车数据集—层次聚类
    9分钟
六、关联规则
共3节 | 1小时7分钟
  • 46、关联规则的基本理论及R语言实现
    21分钟
  • 47、关联规则可视化包arulesViz介绍
    22分钟
  • 48、关联规则案例演示
    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。