大数据模型与数据挖掘应用实战培训

1 数据挖掘标准流程
1.1 数据挖掘概述
1.2 数据挖掘的标准流程（CRISP-DM）
1.3 数据建模示例
2 数据预处理过程
2.1 数据挖掘处理的一般过程
2.2 数据读入
2.3 数据集成
2.4 数据理解
2.5 数据准备：数据处理
2.6 数据准备：变量处理
2.7 基本分析
2.8 特征选择
2.9 因子分析（主成分分析）
3 因素影响分析（特征重要性分析）
3.1 常用特征重要性分析的方法
3.2 相关分析（数值+数值，相关程度计算）
3.3 方差分析（分类+数值，影响因素分析）
3.4 列联分析（分类+分类，影响因素分析）
4 数值预测模型篇
4.1 销量预测与市场预测——让你看得更远
4.2 回归预测/回归分析
4.3 时序预测
4.4 季节性预测模型
4.5 新产品预测模型与S曲线
4.6 自定义模型（如何利用规划求解进行自定义模型）
5 回归模型优化篇
5.1 回归模型的基本原理
5.2 模型优化思路：寻找最佳回归拟合线
6 分类预测模型
6.1 分类概述
6.2 逻辑回归分析模型
6.3 决策树分类
6.4 神经网络
6.5 支持向量机
6.6 朴素贝叶斯分类
7 客户细分与聚类
7.1 客户细分常用方法
7.2 聚类分析（Clustering）
7.3 RFM模型分析
8 产品推荐与关联分析
8.1 关联规则原理介绍
8.2 关联规则适用场景：交叉销售、捆绑营销、产品布局