国产极品粉嫩福利姬萌白酱_伊人WWW22综合色_久久精品a一国产成人免费网站_法国啄木乌AV片在线播放

Python語言與數據挖掘

    對象
    大數(shu)據(ju)系統(tong)開發部(bu)(bu)、大數(shu)據(ju)分析中(zhong)心(xin)、業務支(zhi)撐部(bu)(bu)、IT系統(tong)部(bu)(bu)等相關技術人員。

    目的
    掌握Python語言，以及在數據挖掘(jue)中(zhong)的應用(yong)

    內容
    Python是一門解釋性(xing)語(yu)言，僅(jin)次于JAVA/C/C++/C#*的語(yu)言，可應用在大(da)數(shu)據語(yu)言。易學(xue)，易懂，功能強大(da)。其中有著大(da)量的擴(kuo)展庫(ku)來實現數(shu)據分析與數(shu)據挖掘功能。

    第一部分：Python語言基礎
    目的：掌握基本的Python編程思想與編程語句，熟悉常用數據結構的操作
    1、Python簡介
    2、開發環境搭建
    Python的安裝
    擴展庫的安裝
    3、掌握Python的簡單數據類型
    字符串的使用及操作
    整數、浮點數
    4、掌握基本語句：
    if、while、for、print等
    基本運算：
    函數定義、參數傳遞、返回值
    5、掌握復雜的數據類型：列表/元組
    列表操作：訪問、添加、修改、刪除、排序
    列表切片、復制等
    列表相關的函數、方法
    元組的應用
    6、復雜數據類型：字典
    創建、訪問、修改、刪除、遍歷
    字典函數和方法
    7、復雜數據類型：集合
    8、掌握面向對象編程思想
    創建類、繼承類
    模塊
    9、函數定義、參數傳遞、返回值
    10、    標準庫與擴展庫的導入
    11、    異常處理:try-except塊
    演練：基本的Python編程語句

    第二部分：Python語言與數據挖掘庫
    目的：掌握數據集結構及基本處理方法，進一步鞏固Python語言
    1、數據挖掘常用擴展庫介紹
    Numpy數組處理支持
    Scipy矩陣計算模塊
    Matplotlib數據可視化工具庫
    Pandas數據分析和探索工具
    StatsModels統計建模庫
    Scikit-Learn機器學習庫
    Keras深度學習（神經網絡）庫
    Gensim文本挖掘庫
    2、數據集讀取與操作：讀取、寫入
    讀寫文本文件
    讀寫CSV文件
    讀寫Excel文件
    從數據庫獲取數據集
    3、數據集的核心數據結構（Pandas數據結構）
    Dataframe對象及處理方法
    Series對象及處理方法
    演練(lian)：用Python實現數(shu)據的基本統計(ji)分析功能

    第三部分：數據可視化處理
    目的：掌握作圖擴展庫，實現數據可視化
    1、常用的Python作圖庫
    Matplotlib庫
    Pygal庫
    2、實現分類匯總
    演練：按性別統計用戶人數
    演練：按產品+日期統計各產品銷售金額
    3、各種圖形的畫法
    直方圖
    餅圖
    折線圖
    散點圖
    4、繪圖的美化技巧
    演(yan)練：用Python庫作圖來實現產(chan)品銷量分析，并可視化

    第四部分：數據挖掘基礎
    目的：掌握數據挖掘標準流程
    1、數據挖掘概述
    2、數據挖掘的標準流程（CRISP-DM）
    商業理解
    數據準備
    數據理解
    模型建立
    模型評估
    模型應用
    3、數據挖掘常用任務與算法
    案(an)例：用大(da)數據實(shi)現(xian)精(jing)準(zhun)營(ying)銷的項目(mu)過程

    第五部分：數據理解和數據準備
    目的：掌握數據預處理的基本環節，以及Python的實現
    1、數據預處理
    異常值處理：3σ準則，IQR準則
    缺失值插補：均值、拉格朗日插補
    數據篩選/抽樣
    數據的離散化處理
    變量變換、變量派生
    2、數據的基本分析
    相關分析：原理、公式、應用
    方差分析：原理、公式、應用
    卡方分析：原理、公式、應用
    主成分分析：降維
    案例：用(yong)Python實現數據(ju)預處(chu)理及數據(ju)準(zhun)備(bei)

    第六部分：分類預測模型實戰
    1、常見分類預測的模型與算法
    2、如何評估分類預測模型的質量
    查準率
    查全率
    ROC曲線
    3、邏輯回歸分析模型
    邏輯回歸的原理
    邏輯回歸建模的步驟
    邏輯回歸結果解讀
    案例：用sklearn庫實現銀行貸款違約預測
    4、決策樹模型
    決策樹分類的原理
    決策樹的三個關鍵問題
    決策樹算法與實現
    案例：電力竊漏用戶自動識別
    5、人工神經網絡模型（ANN）
    神經網絡概述
    神經元工作原理
    常見神經網絡算法（BP、LM、RBF、FNN等）
    案例：神經網絡預測產品銷量
    6、支持向量機（SVM）
    SVM基本原理
    維災難與核心函數
    案例：基于水質圖像的水質評價
    7、貝葉斯分析
    條件概率
    常見(jian)貝葉斯網絡(luo)

    第七部分：數值預測模型實戰
    1、常用數值預測的模型
    通用預測模型：回歸模型
    季節性預測模型：相加、相乘模型
    新產品預測模型：珀爾曲線與龔鉑茲曲線
    2、回歸分析概念
    3、常(chang)見回(hui)歸分析類別

    第八部分：聚類分析（客戶細分）實戰
    1、客戶細分常用方法
    2、聚類分析（Clustering）
    聚類方法原理介紹及適用場景
    常用聚類分析算法
    聚類算法的評價
    案例：使用SKLearn實現K均值聚類
    案例：使用TSNE實現聚類可視化
    3、RFM模型分析
    RFM模型，更深入了解你的客戶價值
    RFM模型與市場策略
    案例：航空公司(si)客戶價(jia)值分析

    第九部分：關聯規則分析實戰
    1、關聯規則概述
    2、常用關聯規則算法
    3、時間序列分析
    案例：使用apriori庫實現關聯分析
    案(an)例(li)：中(zhong)醫證型關(guan)聯(lian)規則挖掘(jue)

    第十部分：案例實戰（學員主導，老師現場指導）
    1、實戰1：電商用戶行為分析及服務推薦
    2、實戰2：基于基站定位數據的商圈分析
    結(jie)束(shu)：課程總結(jie)與問題答(da)疑。

Python語言與數據挖掘