数据分析技术应用案例分析.pdfVIP

数据分析技术应用案例分析

第一章数据采集与预处理3

1.1数据来源与类型3

1.1.1数据来源3

1.1.2数据类型3

1.2数据清洗与整合3

1.2.1数据清洗3

1.2.2数据整合4

第二章描述性统计分析4

2.1数据分布与趋势4

2.1.1数据分布4

2.1.2数据趋势5

2.2数据可视化展示5

2.2.1直方图5

2.2.2折线图5

2.2.3饼图5

2.2.4散点图5

2.2.5地图5

2.2.6等值线图5

第三章数据挖掘算法应用6

3.1聚类分析6

3.1.1概述6

3.1.2聚类算法介绍6

3.1.3应用案例分析6

3.2关联规则挖掘6

3.2.1概述6

3.2.2关联规则挖掘算法介绍6

3.2.3应用案例分析7

3.3分类与回归分析7

3.3.1概述7

3.3.2分类与回归分析算法介绍7

3.3.3应用案例分析7

第四章时间序列分析7

4.1时间序列模型7

4.2趋势分析与预测8

第五章主成分分析9

5.1主成分提取9

5.2主成分分析在降维中的应用9

第六章聚类分析在市场细分中的应用10

6.1市场细分概述10

6.2聚类算法选择与应用11

6.2.1Kmeans聚类算法11

6.2.2层次聚类算法11

6.2.3密度聚类算法11

6.2.4基于遗传算法的聚类11

6.2.5应用案例11

第七章关联规则挖掘在商品推荐中的应用12

7.1商品推荐系统概述12

7.2关联规则挖掘算法应用12

7.1商品推荐系统概述12

7.2关联规则挖掘算法应用12

7.2.1Apriori算法12

7.2.2FPgrowth算法13

7.2.3关联规则挖掘与协同过滤推荐相结合13

第八章分类与回归分析在客户价值预测中的应用13

8.1客户价值概述13

8.2分类与回归算法应用13

8.1客户价值概述13

8.2分类与回归算法应用14

8.2.1分类算法应用14

8.2.2回归算法应用14

第九章时间序列分析在股票价格预测中的应用15

9.1股票价格预测概述15

9.1.1股票价格预测的意义15

9.1.2股票价格预测的难点15

9.1.3股票价格预测的方法15

9.2时间序列模型应用15

9.1股票价格预测概述15

9.1.1股票价格预测的意义15

9.1.2股票价格预测的难点15

9.1.3股票价格预测的方法16

9.2时间序列模型应用16

9.2.1自回归模型（AR）16

9.2.2移动平均模型（MA）16

9.2.3自回归移动平均模型（ARMA）16

9.2.4自回归积分移动平均模型（ARIMA）17

9.2.5季节性模型（如季节性ARIMA）17

第十章数据分析技术在行业中的应用案例17

10.1金融行业17

10.1.1贷款风险评估17

10.1.2股票市场预测17

10.1.3反洗钱17

10.2零售行业17

10.2.1客户细分17

10.2.2价格优化18

10.2.