购买
本章导学
1.1 开源数据分析和挖掘工具——Python
1.2 商业数据分析和挖掘工具——SAS
1.3 数据分析和挖掘一般流程
2.1 数据类型和分布标准化
2.2 整合
2.3 抽样
2.4 离散化
2.5 主成分分析
2.6 属性变量处理
小结与思考
3.1 期望预测误差与估计
3.2监督模型评价指标
3.3聚类模型评价指标
4.1 函数关系与相关关系
4.2 两个变量之间的相关分析
4.3 两组变量之间的相关分析:典型相关
4.4 关联分析
5.1 线性回归分析
5.2 非线性回归
5.3 分位数回归
5.4 离散因变量模型
6.1 分类的基本原则
6.2 线性判别与贝叶斯判别
6.3 knn
6.4 决策树
6.5 随机森林
6.6 支持向量机 (SVM)
7.1 聚类分析的基本原理
7.2 系统聚类
7.3 快速聚类(K-Means聚类)
7.4 DBSCAN聚类
8.1 时间序列的基本问题
8.2 ARIMA模型分析过程
形考任务
实验1 Python编程基础实验
实验2 Pandas数据分析实验
实验3 回归分析算法实验-线性回归
实验4 分类分析算法实验-决策树
实验5 聚类算法实验K-Means
实验6 综合项目案例实战