【直播培训】R语言实战 丰富的案例实操 1月16-17、30-31日

课程基本信息

标题：《R语言实战》直播课程周期：4天 上课方式：直播上课时间：2016年1月16-17日、23-24日 9:00-12:00 14:00-17:30

备注：提供课程讲义和全部代码、上课视频，以及赠送R进阶视频课程《机器学习与R语言实践》

学习目标

本课程结合大量的案例，让学习者可以快速掌握数据挖掘算法的核心原理，并利用R实现各种算法，并对模型性能进行评估。学习完本课程，学习者能达到以下目标：

1）熟悉各种常用数据挖掘算法的基本原理；

2）掌握用R进行数学建模的能力；

3）掌握模型性能评价的常用方法；

4）掌握Rattle工具的使用。

学习对象

统计学、数学、金融、计算机等相关专业学生或有一定统计分析、数据分析基础的从业人员

讲师介绍

谢老师:从事数据分析挖掘工作超过8年，从事过咨询、电商、电购、电力、游戏等行业，了解不同领域的数据特点。精通Excel、SpssClementine、SAS、R等多种数据分析挖掘工具。目前就职于一家上市游戏公司的高级数据分析师，主要利用R语言进行大数据的分析挖掘工作。有丰富的利用R语言进行数据分析挖掘实战经验，部分研究成果曾获得国家专利。

学习内容

Day1:统计模型

1） R语言介绍

2） 数据结构

3） 数据的导入导出

4） 基本数据管理

5） 控制流

Day 2:基础统计与统计绘图

1） 描述统计量

2） 描述性统计分析

3） R语言的绘图基础

4） 低级绘图函数

5） 高级绘图函数

Day 3:统计模型

1） 一元线性回归模型

案例：对women数据集进行线性回归建模

2） 多元线性回归模型：模型实现、模型检验、变量选择

案例：以state.x77数据集为例，探究一个州的犯罪率和其他因素的关系

3） logit回归模型

4） 降维技术：主成分分析、因子分析、对应分析

案例一：对调研的中学生身体指标进行主成分分析

案例二：利用主成分分析构建股票市场指数

案例三：对洛杉矶街区数据进行因子分析

5） 聚类分析

案例一：对iris数据集进行 k-means、k-medoids聚类

案例二：对洛杉矶街区数据进行层次聚类

6） 关联规则分析

案例：利用超市购物篮Groceries数据进行关联规则分析

Day 4:数据挖掘与文本挖掘

1） 使用最近邻近法分类

案例一：对iris数据集进行knn分类

案例二：对wisc_bc_data数据集进行knn分类

2） 朴素贝叶斯分类

案例一：对数据集PimaIndiansDiabetes进行分类；

案例二：利用朴素贝叶斯分类对文本数据进行分类；

3） 应用决策树进行分类

案例：对iris数据集进行C4.5、C5.0、CART等决策树分类

4） 神经网络及支持向量机

案例一：利用神经网络对 Vehicle数据进行分析

案例二：利用支持向量机对cats数据集进行分析，将尝试使

用体重和心脏重量来预测一只猫的性别。

5） 文本挖掘

案例：对推特数据进行文本挖掘

原文始发于微信公众号（PPV课数据科学社区）：【直播培训】R语言实战 丰富的案例实操 1月16-17、30-31日