2019-06-05 更新 246次浏览
Python语言基础
目的:掌握基本的Python编程思想与编程语句,熟悉常用数据结构的操作
Python简介
开发环境搭建
Python的安装
扩展库的安装
掌握Python的简单数据类型
字符串的使用及操作
整数、浮点数
掌握基本语句:
if、while、for、print等
基本运算:
函数定义、参数传递、返回值
掌握复杂的数据类型:列表/元组
列表操作:访问、添加、修改、删除、排序
列表切片、复制等
列表相关的函数、方法
元组的应用
复杂数据类型:字典
创建、访问、修改、删除、遍历
字典函数和方法
复杂数据类型:集合
掌握面向对象编程思想
创建类、继承类
模块
函数定义、参数传递、返回值
标准库与扩展库的导入
异常处理:try-except块
演练:基本的Python编程语句
Python扩展库
目的:掌握数据集结构及基本处理方法,进一步巩固Python语言
数据挖掘常用扩展库介绍
Numpy数组处理支持
Scipy矩阵计算模块
Matplotlib数据可视化工具库
Pandas数据分析和探索工具
StatsModels统计建模库
Scikit-Learn机器学习库
Keras深度学习(神经网络)库
Gensim文本挖掘库
数据集读取与操作:读取、写入
读写文本文件
读写CSV文件
读写Excel文件
从数据库获取数据集
数据集的核心数据结构(Pandas数据结构)
DataFrame对象及处理方法
Series对象及处理方法
演练:用Python实现数据的基本统计分析功能
数据可视化处理
目的:掌握作图扩展库,实现数据可视化
常用的Python作图库
Matplotlib库
Pygal库
实现分类汇总
演练:按性别统计用户人数
演练:按产品+日期统计各产品销售金额
各种图形的画法
直方图
饼图
折线图
散点图
绘图的美化技巧
演练:用Python库作图来实现产品销量分析,并可视化
数据理解和数据准备
目的:掌握数据预处理的基本环节,以及Python的实现
数据预处理
异常值处理:3σ准则,IQR准则
缺失值插补:均值、拉格朗日插补
数据筛选/抽样
数据的离散化处理
变量变换、变量派生
数据的基本分析
相关分析:原理、公式、应用
方差分析:原理、公式、应用
卡方分析:原理、公式、应用
主成分分析:降维
案例:用Python实现数据预处理及数据准备
分类预测模型实战
常见分类预测的模型与算法
如何评估分类预测模型的质量
查准率
查全率
ROC曲线
逻辑回归分析模型
逻辑回归的原理
逻辑回归建模的步骤
逻辑回归结果解读
案例:用sklearn库实现银行贷款违约预测
决策树模型
决策树分类的原理
决策树的三个关键问题
决策树算法与实现
案例:电力窃漏用户自动识别
决策树算法
最优属性选择算法:ID3、ID4.0、ID5.0
连续变量分割算法
树剪枝:预剪枝、后剪枝
人工神经网络模型(ANN)
神经网络概述
神经元工作原理
常见神经网络算法(BP、LM、RBF、FNN等)
案例:神经网络预测产品销量
支持向量机(SVM)
SVM基本原理
维灾难与核心函数
案例:基于水质图像的水质评价
贝叶斯分析
条件概率
常见贝叶斯网络
数值预测模型实战
常用数值预测的模型
通用预测模型:回归模型
季节性预测模型:相加、相乘模型
新产品预测模型:珀尔曲线与龚铂兹曲线
回归分析概念
常见回归分析类别
回归分析常见算法
梯度上升/下降法
普通最小二乘法OLS
局部加权线性回归LWLR
岭回归(RR)
套索回归Lasso
ElasticNet回归
聚类分析(客户细分)实战
客户细分常用方法
聚类分析(Clustering)
聚类方法原理介绍及适用场景
常用聚类分析算法
聚类算法的评价
案例:使用SKLearn实现K均值聚类
案例:使用TSNE实现聚类可视化
RFM模型分析
RFM模型,更深入了解你的客户价值
RFM模型与市场策略
案例:航空公司客户价值分析
关联规则分析实战
关联规则概述
常用关联规则算法
Apriori算法
发现频繁集
生成关联规则
FP-Growth算法
构建FP树
提取规则
时间序列分析
案例:使用apriori库实现关联分析
案例:中医证型关联规则挖掘
案例实战
客户流失预测和客户挽留模型
银行欠贷风险预测模型
结束:课程总结与问题答疑。
课程标签:市场营销、大数据营销