国产极品粉嫩福利姬萌白酱_伊人WWW22综合色_久久精品a一国产成人免费网站_法国啄木乌AV片在线播放

Python實現大數據挖掘技術培訓

【課程目標】
Python已經成為數據分析和數據挖掘的*語言，作為除了Java、C/C++/C#外*的語言。
本課(ke)程基于(yu)Python工(gong)具(ju)來實現大數(shu)據(ju)(ju)(ju)的數(shu)據(ju)(ju)(ju)分析(xi)和數(shu)據(ju)(ju)(ju)挖(wa)掘(jue)項目(mu)。基于(yu)業務(wu)問題，在數(shu)據(ju)(ju)(ju)挖(wa)掘(jue)標準過程指(zhi)導下，采用(yong)Python分析(xi)工(gong)具(ju)，實現數(shu)據(ju)(ju)(ju)挖(wa)掘(jue)項目(mu)的每(mei)一步操作，從數(shu)據(ju)(ju)(ju)預處理、數(shu)據(ju)(ju)(ju)建模、數(shu)據(ju)(ju)(ju)可視化，到最(zui)終(zhong)數(shu)據(ju)(ju)(ju)挖(wa)掘(jue)結束，幫助學(xue)員掌握Python用(yong)于(yu)數(shu)據(ju)(ju)(ju)挖(wa)掘(jue)，提升(sheng)學(xue)員的數(shu)據(ju)(ju)(ju)化運營及(ji)數(shu)據(ju)(ju)(ju)挖(wa)掘(jue)的能(neng)力。

通過本課程的學習，達到如下目的：
1、全面掌握Python語言以及其編程思想。
2、掌握常用擴展庫的使用，特別是數據挖掘相關庫的使用。
3、學會使用Python完成數據挖掘項目整個過程。
4、掌握利用Python實現可視化呈現。
5、掌握數據挖掘常見(jian)算法在Python中的實(shi)現(xian)。

【授課時間】2~5天時間
（全部模塊講完需要5天時間，可以根據時間需求拆分內容模塊）。
【授課對象】業(ye)務支(zhi)持部(bu)(bu)、IT系統(tong)部(bu)(bu)、大(da)數據(ju)系統(tong)開(kai)發部(bu)(bu)、大(da)數據(ju)分析中(zhong)心、網絡運維部(bu)(bu)等相關技術人員。

【學員要求】
課程為實戰課程，要求：
1、每個學員自備一臺便攜機(必須)。
2、便攜機中事先安裝好Python 3.6版本及以上。
注：講師現場提供開(kai)源的安裝程序(xu)、擴展庫(ku)，以及現場分析(xi)的數據源。

【授課方式】
語言基礎 + 挖掘模型 + 案例演練 + 開發實踐 + 可視化呈現
采用互動式(shi)教學，圍繞業務問題(ti)，展(zhan)開數據分(fen)(fen)析過程，全過程演練操作，讓學員(yuan)在分(fen)(fen)析、分(fen)(fen)享、講授、總結、自我實(shi)踐過程中(zhong)獲得(de)能(neng)力提(ti)升。

【課程大綱】
第一部分：Python語言基礎
目的：掌握基本的Python編程思想與編程語句，熟悉常用數據結構的操作
1、Python簡介
2、開發環境搭建
.Python的安裝
.擴展庫的安裝
3、掌握Python的簡單數據類型
. 字符串的使用及操作
.整數、浮點數
4、掌握基本語句：
.if、while、for、print等
.基本運算：
.函數定義、參(can)數傳遞、返回值(zhi)

5、掌握復雜的數據類型：列表/元組
.列表操作：訪問、添加、修改、刪除、排序
.列表切片、復制等
.列表相關的函數、方法
.元組的應用
6、復雜數據類型：字典
.創建、訪問、修改、刪除、遍歷
.字典函數和方法
7、復雜數據類型：集合
8、掌握面向對象編程思想
.創建類、繼承類
.模塊
9、函數定義、參數傳遞、返回值
10、標準庫與擴展庫的導入
11、異常處理:try-except塊
演(yan)練：基本的Python編程語句

第二部分：Python擴展庫
目的：掌握數據集結構及基本處理方法，進一步鞏固Python語言
1、數據挖掘常用擴展庫介紹
.Numpy數組處理支持
.Scipy矩陣計算模塊
.Matplotlib數據可視化工具庫
.Pandas數據分析和探索工具
.StatsModels統計建模庫
.Scikit-Learn機器學習庫
.Keras深度學習（神經網絡）庫
.Gensim文本挖掘庫
2、數據集讀取與操作：讀取、寫入
.讀寫文本文件
.讀寫CSV文件
.讀寫Excel文件
.從數據庫獲取數據集
3、數據集的核心數據結構（Pandas數據結構）
.Dataframe對象及處理方法
.Series對象及處理方法
演練(lian)：用Python實(shi)現數(shu)據的(de)基(ji)本(ben)統計分析功能

第三部分：數據可視化處理
目的：掌握作圖擴展庫，實現數據可視化
1、常用的Python作圖庫
.Matplotlib庫
.Pygal庫
2、實現分類匯總
演練：按性別統計用戶人數
演練：按產品+日期統計各產品銷售金額
3、各種圖形的畫法
.直方圖
.餅圖
.折線圖
.散點圖
4、繪圖的美化技巧
演練(lian)：用Python庫作(zuo)圖來實現產品(pin)銷(xiao)量分(fen)析，并可視(shi)化

第四部分：數據理解和數據準備
目的：掌握數據預處理的基本環節，以及Python的實現
1、數據預處理
.異常值處理：3σ準則，IQR準則
.缺失值插補：均值、拉格朗日插補
.數據篩選/抽樣
.數據的離散化處理
.變量變換、變量派生
2、數據的基本分析
.相關分析：原理、公式、應用
.方差分析：原理、公式、應用
.卡方分析：原理、公式、應用
.主成分分析：降維
案例(li)：用Python實(shi)現數據預(yu)處理及(ji)數據準備(bei)

第五部分：分類預測模型實戰
1、常見分類預測的模型與算法
2、如何評估分類預測模型的質量
.查準率
.查全率
.ROC曲線
3、邏輯回歸分析模型
.邏輯回歸的原理
.邏輯回歸建模的步驟
.邏輯回歸結果解讀
案例：用sklearn庫實現銀行貸款違約預測
4、決策樹模型
.決策樹分類的原理
.決策樹的三個關鍵問題
.決策樹算法與實現
案例：電力竊漏用(yong)戶自動識別

5、決策樹算法
.最優屬性選擇算法：ID3、ID4.0、ID5.0
.連續變量分割算法
.樹剪枝：預剪枝、后剪枝
6、人工神經網絡模型（ANN）
.神經網絡概述
.神經元工作原理
.常見神經網絡算法（BP、LM、RBF、FNN等）
案例：神經網絡預測產品銷量
7、支持向量機（SVM）
.SVM基本原理
.維災難與核心函數
案例：基于水質圖像的水質評價
8、貝葉斯分析
.條件概率
.常見(jian)貝(bei)葉斯(si)網絡

第六部分：數值預測模型實戰
1、常用數值預測的模型
.通用預測模型：回歸模型
.季節性預測模型：相加、相乘模型
.新產品預測模型：珀爾曲線與龔鉑茲曲線
2、回歸分析概念
3、常見回歸分析類別
4、回歸分析常見算法
.梯度上升/下降法
.普通最小二乘法OLS
.局部加權線性回歸LWLR
.嶺回歸（RR）
.套索回歸Lasso
.ElasticNet回(hui)歸

第七部分：聚類分析（客戶細分）實戰
1、客戶細分常用方法
2、聚類分析（Clustering）
.聚類方法原理介紹及適用場景
.常用聚類分析算法
.聚類算法的評價
案例：使用SKLearn實現K均值聚類
案例：使用TSNE實現聚類可視化
3、RFM模型分析
.RFM模型，更深入了解你的客戶價值
.RFM模型與市場策略
案(an)例：航空公司客戶價(jia)值(zhi)分析(xi)

第八部分：關聯規則分析實戰
1、關聯規則概述
2、常用關聯規則算法
.Apriori算法
.發現頻繁集
.生成關聯規則
.FP-Growth算法
.構建FP樹
.提取規則
3、時間序列分析
案例：使用apriori庫實現關聯分析
案例：中醫(yi)證型關聯規則挖掘

第九部分：案例實戰（學員主導，老師現場指導）
1、電商用戶行為分析及服務推薦
2、基于基站定位數據的商圈分析
結束：課程總結與問(wen)題答疑。

Python實現大數據挖掘技術培訓