为您找到课程结果约 47

R语言与数据挖掘

0人评价 (1373)人学习
一、课程简介       《R语言与数据挖掘》课程适合教学和零基础自学的R语言与数据挖掘。

【图书】R语言编程基础

0人评价 (203)人学习
‖ 课程简介 本课程是图书《R语言编程基础》的配套学习视频,是电子商务技术等专业的专业基础课。

【图书】R语言商务数据分析实战

0人评价 (161)人学习
‖ 课程简介 本课程是图书《R语言商务数据分析实战》的配套学习视频,是大数据技术等专业的专业课。

【图书】大数据数学基础(R语言描述)

0人评价 (6960)人学习
‖ 课程简介 本课程是图书《大数据数学基础(R语言描述)》的配套学习视频,是大数据技术等专业的专业基础课。

案例:航空公司客户价值分析(R语言实现)

0人评价 (106)人学习
一、课程简介      通过学习本案例,可掌握数据清洗、特征构建和数据标准化的主要方法,并且能构建模型实现客户分群,为后续相关课程学习及将来从事数据分析工作奠定基础。 随着经济快速发展,航空产品生产过剩问题日渐突出,产品同质化特征愈加明显,于是航空公司从价格、服务间的竞争逐渐转向对客户的竞争。本案例以国内某航空公司的客户数据为源数据,通过对数据进行分析处理,并建立合理的客户价值评估模型,对客户进行分群。       本案例的主要分析目标如下。      (1)对客户进行分群,分析比较不同客户群的客户价值。      (2)对客户提供个性化服务,提高航空公司之间的竞争力。   二、技术点      缺失值处理;异常值处理;构建特征;K-Means聚类模型。  

案例:电子商务网站智能推荐(R语言实现)

0人评价 (102)人学习
一、课程简介       一、课程简介      《企业项目实战:电子商务网站智能推荐服务》课程适合教学和学习数据挖掘技术在电商行业的项目应用。在案例结构组织上,课程按照先介绍案例背景与挖掘目标,再阐述分析方法与过程,最后完成模型构建的顺序进行的,在建模过程的关键环节穿插程序实现代码。通过上机实验的方式,加深对数据挖掘技术在案例应用中的理解。 通过本课程的学习,了解协同过滤算法在电子商务领域中的应用,掌握对用户的个性化推荐。通过用户访问的数据进行分析与处理,采用基于物品的协同过滤算法对处理好的数据进行建模分析,最后通过模型评价与结果分析。结合上机实验,有助于更好地理解协同过滤推荐算法的原理与处理过程。为将来从事数据分析挖掘研究、工作以及后续课程的学习奠定基础。       本案例的主要分析目标如下。      (1)按地域分析用户访问网站的时间、访问内容、访问次数等主题,了解用户的浏览行为,和感兴趣的网页内容。      (2)根据用户的访问记录对用户进行个性化推荐服务。   二、技术点       协同过滤算法;个性化推荐。    

案例:电商产品评论数据情感分析(R语言实现)

0人评价 (113)人学习
一、课程简介      通过学习本案例,可掌握网络数据爬虫技术、文本去重、文本分词和模型构建的主要方法和技能,并为后续相关课程学习及将来从事数据分析工作奠定基础。 消费者需要在没有看到真正的产品实体、做出购买决策之前,根据其他购物者的评论了解产品的质量、性价比等信息,为购物抉择提供参考依据。本案例运用数据分析技术对爬虫获取的数据进行分析,然后对原始数据进行处理,从而获得消费者的意见和评价。       本案例的主要分析目标如下。      (1)收集用户的评论数据,挖掘评论中的关键信息。      (2)分析商品的优点与不足并提供改善建议。   二、技术点      文本去重;文本分词;LDA模型。  

案例:商品零售购物篮分析(R语言实现)

0人评价 (119)人学习
一、课程简介      通过学习本案例,可掌握使用matplotlib绘制图形进行可视化分析和数据探索分析的主要方法和技能,掌握常见关联规则算法的实现原理,为后续相关课程学习及将来从事数据分析工作奠定基础。 商业零售行业,商场以获得最大的销售利润为目的,零售商都在考虑商品销售类型、促销策略、商品在货架上的摆放等问题。了解顾客的购买习惯和偏爱,有利于他们做出合理的决策和采取有效的策略。本案例基于某商品零售企业收集的购物篮的数据进行分析,通过分析结果构建关联规则模型分析商品之间的关联性。       本案例的主要分析目标如下。      (1)分析顾客的购买特性,并根据发现的规律而采取有效的行动,制定营销策略。      (2)分析不同类别商品的共同特征及其规则,并进而通过这些规则对商场的商品摆放、定价和采购等。   二、技术点      数据转换;Apriori关联规则。  

案例:金融服务机构资金流量预测(R语言实现)

0人评价 (126)人学习
一、课程简介      通过学习本案例,可掌握平稳性检验、非平稳序列处理、纯随机性检验、模型定阶和模型构建的主要方法和技能,并为后续相关课程学习及将来从事数据分析工作奠定基础。 金融全球化的浪潮正以一种不可抗拒的趋势席卷全球,而伴随着我国加入WTO(世界贸易组织)以及社会主义市场经济的快速发展,我国的金融市场也随之迅猛发展。为了更有效地发挥金融活动对于实体经济的意义,资金流量预测成为金融服务机构一大重要任务。本案例以用户资金流入与资金流出的记录为数据源,先对数据进行探索,然后对数据进行预处理,最后构建精准的预测模型并进行检验。       本案例的主要分析目标如下。      (1)分析金融服务机构用户申购赎回数据的基本情况。      (2)通过一定期间内资金的流入和流出来推断出当前企业内部的资金量。   二、技术点      平稳性检验;非平稳序列处理;纯随机性检验;模型定阶;ARIMA模型。  

案例:P2P信用贷款风险控制(R语言实现)

0人评价 (112)人学习
二、技术点      R语言