- 全部任务
- 1.1 数据挖掘发展史
- 1.2 数据挖掘的基本任务
- 1.3 数据挖掘的通用流程
- 1.4 常用数据挖掘建模工具
- 1.5 Python数据挖掘的环...
- 4.1.1 数据清洗-记录重复
- 4.1.2 数据清洗-属性内容重...
- 4.1.3 数据清洗- 缺失值处...
- 4.2.1 数据标准化
- 4.2.2 数据离散化-等宽法
- 4.2.3 数据离散化-等频法
- 4.2.4 数据离散化-聚类法
- 4.2.5 独热编码
- 4.3.1 堆叠合并
- 4.3.2 主键合并
- 4.3.3 重叠合并
- 4.3.4 分组聚合-group...
- 4.3.5 分组聚合-agg方法
- 4.3.6 分组聚合-apply...
- 5.0 构建线性回归模型
- 5.1 构建逻辑回归模型
- 5.2 构建决策树模型
- 5.3 构建KNN模型
- 5.4 构建非线性支持向量机
- 5.5.1 神经网络原理
- 5.5.2 构建神经网络模型
- 5.6.1 集成算法原理
- 5.6.2 集成算法代码实现
- 5.7.1 Kmeans聚类算法...
- 5.7.2 kmeans聚类算法...
- 5.7.3 密度聚类算法原理
- 5.7.4 密度聚类实现
- 5.7.5 层次聚类
- 5.7.6 层次聚类模型实现
- 5.8.1 关联规则原理
- 5.9.1 智能推荐原理
- 5.9.2 基于用户的协同过滤推...
- 5.9.3基于用户的协同过滤推荐...
- 5.9.4 基于用户的协同过滤推...
- 5.9.5 基于物品的协同过滤推...
- 5.9.6 基于物品的协同过滤推...
- 5.9.7 基于流行度的推荐-计...
- 5.9.8 基于流行度的推荐-推...
- 5.10.1 时间序列原理
- 5.10.2 时间序列-预处理
- 5.10.3 时间序列-模型构建
- 6.1 案例背景
- 6.2.1 描述性统计分析
- 6.2.2 数据探索
- 6.3.1 数据清洗
- 6.3.2 属性构建
- 6.4.1 聚类参数寻优
- 6.4.2 模型构建
- 6.4.3 客户分类
- 6.5 模型评价
- 6.6 小结
- 7.1 背景与目标
- 7.2 数据探索
- 7.3.1 数据预处理
- 7.3.2 数据预处理代码实现
- 7.4 关联规则
- 8.1 背景与目标
- 8.2.1 检验数据平稳性
- 8.2.2 处理非平稳序列
- 8.2.3 ARIMA模型预测
- 8.2.3 检验数据纯随机性
- 8.3.1 ARIMA模型定阶
- 8.3.2 ARIMA模型检验
- 8.4 小结
- 9.1 背景与目标
- 9.2.1 描述性统计分析
- 9.2.2 分析用户消费行为信息
- 9.2.3 分析商户投放优惠券信...
- 9.3.1 数据清洗
- 9.3.2 数据变换
- 9.4.1 模型构建
- 9.4.2 结果分析
- 9.5 模型应用
- 9.6 小结
- O2O优惠券使用预测案例-数据和...
- 10.1.1 背景与目标
- 10.1.2 目标分析与解读
- 10.1.3 数据介绍
- 10.2.1 收视数据探索
- 10.2.2 异常数据探索
- 10.2.3 收视数据处理介绍
- 10.2.4 去除特殊线路和政企...
- 10.2.5 去除直播记录中不关...
- 10.2.6 去除累计超过3小时...
- 10.2.7 订单数据预处理介绍
- 10.2.8 订单数据处理-业务...
- 10.2.9 订单数据预处理-产...
- 10.2.10 保存预处理后的数...
- 10.2.11 用户观看电视时长...
- 10.2.12 热门频道的可视化
- 10.2.13 构建标签库介绍
- 10.2.14 客户标签的计算方...
- 10.2.15 产品标签体系
- 10.2.16 客户标签体系介绍
- 10.2.17 客户标签计算方法
- 10.2.18 电视依赖度标签计...
- 10.2.19 电视依赖度标签计...
- 10.2.20 用户画像构建
- 10.3.1 协同过滤推荐
- 10.3.2 基于流行度的推荐
- 10.4 案例小结及平台呈现
- 电视产品个性化推荐案例-数据和代...
- 2.1.1 基本运算
- 2.1.1 列表或元组
- 2.1.1 集合
- 2.1.1 字典
- 2.1.2 判断与循环
- 2.1.3 函数
- 2.1.3 函数式编程
- 2.1.3 库的导入与添加
- 2.2~2.3 Python数据...
- 3.1.1 一致性校验
- 3.1.2 缺失值校验
- 3.1.3 简单统计量分析
- 3.1.3 IQR准则和3西塔原...
- 3.2.1 集中趋势度量
- 3.2.1 离中趋势度量
- 3.2.2 定量数据分布分析
- 3.2.2 定性数据分布分析
- 3.2.4 周期分析
- 3.2.3 对比分析
- 3.2.5 贡献度分析
- 3.2.6 相关性分析
- 3.1.3 箱型图分析
- 1.1 数据挖掘发展史
- 1.2 数据挖掘的基本任务
- 1.3 数据挖掘的通用流程
- 1.4 常用数据挖掘建模工具
- 1.5 Python数据挖掘的环...
- 2.1.1 基本运算
- 2.1.1 列表或元组
- 2.1.1 集合
- 2.1.1 字典
- 2.1.2 判断与循环
- 2.1.3 函数
- 2.1.3 函数式编程
- 2.1.3 库的导入与添加
- 2.2~2.3 Python数据...
- 3.1.1 一致性校验
- 3.1.2 缺失值校验
- 3.1.3 简单统计量分析
- 3.1.3 IQR准则和3西塔原...
- 3.1.3 箱型图分析
- 3.2.1 集中趋势度量
- 3.2.1 离中趋势度量
- 3.2.2 定量数据分布分析
- 3.2.2 定性数据分布分析
- 3.2.3 对比分析
- 3.2.4 周期分析
- 3.2.5 贡献度分析
- 3.2.6 相关性分析
- 4.1.1 数据清洗-记录重复
- 4.1.2 数据清洗-属性内容重...
- 4.1.3 数据清洗- 缺失值处...
- 4.2.1 数据标准化
- 4.2.2 数据离散化-等宽法
- 4.2.3 数据离散化-等频法
- 4.2.4 数据离散化-聚类法
- 4.2.5 独热编码
- 4.3.1 堆叠合并
- 4.3.2 主键合并
- 4.3.3 重叠合并
- 4.3.4 分组聚合-group...
- 4.3.5 分组聚合-agg方法
- 4.3.6 分组聚合-apply...
- 5.0 构建线性回归模型
- 5.1 构建逻辑回归模型
- 5.2 构建决策树模型
- 5.3 构建KNN模型
- 5.4 构建非线性支持向量机
- 5.5.1 神经网络原理
- 5.5.2 构建神经网络模型
- 5.6.1 集成算法原理
- 5.6.2 集成算法代码实现
- 5.7.1 Kmeans聚类算法...
- 5.7.2 kmeans聚类算法...
- 5.7.3 密度聚类算法原理
- 5.7.4 密度聚类实现
- 5.7.5 层次聚类
- 5.7.6 层次聚类模型实现
- 5.8.1 关联规则原理
- 5.9.1 智能推荐原理
- 5.9.2 基于用户的协同过滤推...
- 5.9.3基于用户的协同过滤推荐...
- 5.9.4 基于用户的协同过滤推...
- 5.9.5 基于物品的协同过滤推...
- 5.9.6 基于物品的协同过滤推...
- 5.9.7 基于流行度的推荐-计...
- 5.9.8 基于流行度的推荐-推...
- 5.10.1 时间序列原理
- 5.10.2 时间序列-预处理
- 5.10.3 时间序列-模型构建
- 6.5 模型评价
- 6.1 案例背景
- 6.2.2 数据探索
- 6.2.1 描述性统计分析
- 6.3.1 数据清洗
- 6.3.2 属性构建
- 6.4.1 聚类参数寻优
- 6.4.2 模型构建
- 6.4.3 客户分类
- 7.4 关联规则
- 7.1 背景与目标
- 7.2 数据探索
- 7.3.1 数据预处理
- 7.3.2 数据预处理代码实现
- 8.1 背景与目标
- 8.2.1 检验数据平稳性
- 8.2.2 处理非平稳序列
- 8.2.3 ARIMA模型预测
- 8.2.3 检验数据纯随机性
- 8.3.1 ARIMA模型定阶
- 8.3.2 ARIMA模型检验
- 8.4 小结
- 9.1 背景与目标
- 9.2.1 描述性统计分析
- 9.2.2 分析用户消费行为信息
- 9.2.3 分析商户投放优惠券信...
- 9.3.1 数据清洗
- 9.3.2 数据变换
- 9.4.1 模型构建
- 9.4.2 结果分析
- 9.5 模型应用
- 9.6 小结
- O2O优惠券使用预测案例-数据和...
- 10.2.3 收视数据处理介绍
- 10.2.2 异常数据探索
- 10.2.1 收视数据探索
- 10.1.3 数据介绍
- 10.1.2 目标分析与解读
- 10.1.1 背景与目标
- 10.4 案例小结及平台呈现
- 10.3.2 基于流行度的推荐
- 10.3.1 协同过滤推荐
- 10.2.20 用户画像构建
- 10.2.19 电视依赖度标签计...
- 10.2.18 电视依赖度标签计...
- 10.2.17 客户标签计算方法
- 10.2.16 客户标签体系介绍
- 10.2.15 产品标签体系
- 10.2.14 客户标签的计算方...
- 10.2.13 构建标签库介绍
- 10.2.12 热门频道的可视化
- 10.2.11 用户观看电视时长...
- 10.2.10 保存预处理后的数...
- 10.2.9 订单数据预处理-产...
- 10.2.8 订单数据处理-业务...
- 10.2.7 订单数据预处理介绍
- 10.2.6 去除累计超过3小时...
- 10.2.5 去除直播记录中不关...
- 10.2.4 去除特殊线路和政企...
- 电视产品个性化推荐案例-数据和代...
暂无笔记
授课教师
数据分析讲师
课程特色
视频(68)
