大數據模型與數據挖掘應用實戰培訓

1 數據挖掘標準流程
1.1 數據挖掘概述
1.2 數據挖掘的標準流程（CRISP-DM）
1.3 數據建模示例
2 數據預處理過程
2.1 數據挖掘處理的一般過程
2.2 數據讀入
2.3 數據集成
2.4 數據理解
2.5 數據準備：數據處理
2.6 數據準備：變量處理
2.7 基本分析
2.8 特征選擇
2.9 因子分析（主成分分析）
3 因素影響分析（特征重要性分析）
3.1 常用特征重要性分析的方法
3.2 相關分析（數值+數值，相關程度計算）
3.3 方差分析（分類+數值，影響因素分析）
3.4 列聯分析（分類+分類，影響因素分析）
4 數值預測模型篇
4.1 銷量預測與市場預測——讓你看得更遠
4.2 回歸預測/回歸分析
4.3 時序預測
4.4 季節性預測模型
4.5 新產品預測模型與S曲線
4.6 自定義模型（如何利用規劃求解進行自定義模型）
5 回歸模型優化篇
5.1 回歸模型的基本原理
5.2 模型優化思路：尋找佳回歸擬合線
6 分類預測模型
6.1 分類概述
6.2 邏輯回歸分析模型
6.3 決策樹分類
6.4 神經網絡
6.5 支持向量機
6.6 樸素貝葉斯分類
7 客戶細分與聚類
7.1 客戶細分常用方法
7.2 聚類分析（Clustering）
7.3 RFM模型分析
8 產品推薦與關聯分析
8.1 關聯規則原理介紹
8.2 關聯規則適用場景：交叉銷售、捆綁營銷、產品布局