名稱(chēng)

授課內(nèi)容

第1講

R語(yǔ)言入門(mén)

課程目標(biāo)：掌握R語(yǔ)言的基本用法和基本數(shù)據(jù)分析

1.R語(yǔ)言介紹；

2.編輯軟件Rstudio使用；

3.R程序包的載入與使用；

4.數(shù)據(jù)對(duì)象及運(yùn)算（向量、矩陣、數(shù)組、列表與數(shù)據(jù)框處理）；

案例1：工資數(shù)據(jù)的描述統(tǒng)計(jì)分析。

第2講

數(shù)據(jù)清洗與探索性分析

課程目標(biāo)：掌握用R編寫(xiě)函數(shù)和對(duì)實(shí)際數(shù)據(jù)描述統(tǒng)計(jì)分析

1. R數(shù)據(jù)讀入與讀出 （讀入txt、xls、SPSS、SAS、stata以及數(shù)據(jù)庫(kù)文件）；

2.R?函數(shù)編寫(xiě)；

3.R的條件與循環(huán)函數(shù)；

4.高效編程技巧介紹；

5.數(shù)據(jù)探索性分析與作圖；

案例1：汽車(chē)數(shù)據(jù)描述統(tǒng)計(jì)分析；

案例2： 財(cái)政收入與稅收描述統(tǒng)計(jì)分析。

第3講

線性回歸與logistic回歸

課程目標(biāo)：掌握線性回歸方法與實(shí)際的建模分析

1.一元線性回歸；

2.多元線性回歸；

3.logistic回歸；

案例1：中國(guó)稅收收入增長(zhǎng)案例分析；

案例2：新教學(xué)方法的效果；

案例3：信用卡違約預(yù)測(cè)。

第4講

決策樹(shù)與Ensemble learning

課程目標(biāo)：掌握數(shù)據(jù)挖掘中常用的聚類(lèi)和分類(lèi)方法及其實(shí)際應(yīng)用。

1.決策樹(shù)分析；

2.Bagging；

3.隨機(jī)森林分析；

4.Boosting；

案例1：信用卡違約預(yù)測(cè)；

案例2：銀行貸款違約預(yù)測(cè)。

第5講

支持向量機(jī)

課程目標(biāo)：掌握支持向量機(jī)分類(lèi)方法

1.Maximal margin?分類(lèi)器

2.Support vector?分類(lèi)器

3.Support vector machine

案例：股票漲跌方向預(yù)測(cè)；心臟病預(yù)測(cè)

第6講

神經(jīng)網(wǎng)絡(luò)

互動(dòng)交流討論

課程目標(biāo)：掌握文本挖掘、詞云分析與智能推薦。

1.單神經(jīng)元模型；

2.單層感知器；

3.BP神經(jīng)網(wǎng)絡(luò)；

4.RProp神經(jīng)網(wǎng)絡(luò)；

5.案例分析；

6.互動(dòng)交流與討論。