大数据分析及可视化技术应用实战

课程大纲

时间 知识模块 授课内容

第一天

上午 数据处理及复杂数据可视化（一） 第一讲 大数据挖掘及可视化介绍

? 数据挖掘及可视化背景

? 数据挖掘流程

? 常用挖掘工具介绍

? R语言的优势

? R数据挖掘可视化工具-Rattle快速上手

? R语言对复杂数据可视化的优势

? R语言快速入门

? 利用caret包做数据抽样及虚拟化处理

第一天

下午 数据处理及复杂数据可视化（二） 第二讲 数据质量分析及高级可视化

? 缺失值处理的高级方法

? 异常值甄别的高级方法

? 数据可视化进阶：lattice及ggplot2包介绍

? 数据交互可视化：rCharts、recharts、networkD3、plotly等包介绍

第二天

上午 数据挖掘模型实战（一） 第三讲 聚类分析及R语言实现

聚类分析是一种原理简单、应用广泛的数据挖掘技术。顾名思义，聚类分析即是把若干事物按照某种标准归为几个类别，其中较为相近的聚为一类，不那么相近的聚于不同类。

? 案例一：对著名的鸢尾花数据进行K均值聚类分析

? 案例二：对汽车数据进行K均值聚类分析

? 案例三：对洛杉矶街区数据进行层次聚类

? 案例四：对汽车数据进行层次聚类

第四讲 关联规则及R语言实现

关联规则（著名的“啤酒和尿布”）是数据挖掘的基础和核心技术之一，本讲将着重围绕经典的Apriori算法，阐明关联规则的支持、置信和提升程度与控制，使用R语言快速完成关联规则分析，并通过arulesViz扩展包对关联规则进行可视化展示。

案例：利用超市购物篮Groceries数据进行关联规则分析

第二天

下午 数据挖掘模型实战（二） 第五讲 KNN近邻算法及R语言实现

KNN（k-Nearest Neighbor)分类算法是数据挖掘分类技术中较简单的方法之一。所谓k最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。

? 案例一：对鸢尾花数据集进行knn分类

? 案例二：对乳腺癌数据进行knn分类

? 案例三：对文本数据进行knn分类

第六讲 决策树分类及R语言实现

决策树是数据挖掘的经典方法，其原理容易被理解。本讲主要讲授两种最为普遍的决策树算法：CART和C5.0算法，使用rpart和C50函数进行R语言分析。

? 案例一：对鸢尾花数据集运用C50算法分类

? 案例二：对鸢尾花数据集运用CART算法进行分类

? 案例三：对汽车数据运用CART对汽车重量进行预测

第三天

上午 行业应用案例分享（一） 第七讲 深度挖掘用户付费行为及社会网络分析

? 对用户的购买行为进行购物篮分析

? 智能推荐系统常用算法介绍

? 对用户购物行为构建智能推荐系统

? 社会网络图基本知识

? 利用R语言绘制社会网络图

? 利用Gephi绘制社会网络图

? 对用户购物行为进行聚类分析，发现社群

第三天

下午 行业应用案例分享（二）

第八讲 航空公司客户价值分析

? 背景与挖掘目标

? 分析方法及过程

? 数据探索分析

? 数据预处理

? 模型构建

? 模型应用

第九讲 漏斗模型及路径分析

? 漏斗模型的主要应用场景

? 路径分析的主要应用场景

? 漏斗模型与路径分析的不同点

? sunburst事件路径图的绘制方法

? 利用基于时序的关联规则对点击事件进行分析

第四天 学习考核与业内经验交流