大數(shù)據(jù)模型與數(shù)據(jù)挖掘應(yīng)用實戰(zhàn)培訓(xùn)

1 數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
1.1 數(shù)據(jù)挖掘概述
1.2 數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程（CRISP-DM）
1.3 數(shù)據(jù)建模示例
2 數(shù)據(jù)預(yù)處理過程
2.1 數(shù)據(jù)挖掘處理的一般過程
2.2 數(shù)據(jù)讀入
2.3 數(shù)據(jù)集成
2.4 數(shù)據(jù)理解
2.5 數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)處理
2.6 數(shù)據(jù)準(zhǔn)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(guān)分析（數(shù)值+數(shù)值，相關(guān)程度計算）
3.3 方差分析（分類+數(shù)值，影響因素分析）
3.4 列聯(lián)分析（分類+分類，影響因素分析）
4 數(shù)值預(yù)測模型篇
4.1 銷量預(yù)測與市場預(yù)測——讓你看得更遠(yuǎn)
4.2 回歸預(yù)測/回歸分析
4.3 時序預(yù)測
4.4 季節(jié)性預(yù)測模型
4.5 新產(chǎn)品預(yù)測模型與S曲線
4.6 自定義模型（如何利用規(guī)劃求解進行自定義模型）
5 回歸模型優(yōu)化篇
5.1 回歸模型的基本原理
5.2 模型優(yōu)化思路：尋找佳回歸擬合線
6 分類預(yù)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(jīng)網(wǎng)絡(luò)
6.5 支持向量機
6.6 樸素貝葉斯分類
7 客戶細(xì)分與聚類
7.1 客戶細(xì)分常用方法
7.2 聚類分析（Clustering）
7.3 RFM模型分析
8 產(chǎn)品推薦與關(guān)聯(lián)分析
8.1 關(guān)聯(lián)規(guī)則原理介紹
8.2 關(guān)聯(lián)規(guī)則適用場景：交叉銷售、捆綁營銷、產(chǎn)品布局