課程大綱： 大數據模型與數據挖掘應用實戰培訓
一、數據挖掘標準流程
1.1 數據挖掘概述
1.2 數據挖掘的標準流程（CRISP-DM）
1.3 數據建模示例
二、數據預處理過程
2.1 數據挖掘處理的一般過程
2.2 數據讀入
2.3 數據集成
2.4 數據理解
2.5 數據準備：數據處理
2.6 數據準備：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）
三、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 相關分析（數值+數值，相關程度計算）
3.3 方差分析（分類+數值，影響因素分析）
3.4 列聯分析（分類+分類，影響因素分析）
四、數值預測模型篇
4.1 銷量預測與市場預測——讓你看得更遠
4.2 回歸預測/回歸分析
4.3 時序預測
4.4 季節性預測模型
4.5 新產品預測模型與S曲線
4.6 自定義模型（如何利用規劃求解進行自定義模型）
五、回歸模型優化篇
5.1 回歸模型的基本原理
5.2 模型優化思路：尋找佳回歸擬合線
六、分類預測模型
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 神經網絡
6.5 支持向量機
6.6 樸素貝葉斯分類
七、客戶細分與聚類
7.1 客戶細分常用方法
7.2 聚類分析（Clustering）
7.3 RFM模型分析
八、產品與關聯分析
8.1 關聯規則原理介紹
8.2 關聯規則適用場景：交叉銷售、捆綁營銷、產品布局
加入高級會員獲得助教答疑
