数据分析技术应用作业指导书.docVIP

数据分析技术应用作业指导书

TOC\o1-2\h\u13811第一章数据分析基础理论 3

43541.1数据分析概述 3

278561.2数据分析流程 3

59281.2.1数据收集 3

42941.2.2数据预处理 3

256441.2.3数据分析 4

273011.2.4数据可视化 4

207121.2.5数据解释 4

322611.3数据分析方法 4

123381.3.1统计分析 4

85951.3.2机器学习 4

226281.3.3深度学习 5

27393第二章数据收集与预处理 5

179612.1数据收集方法 5

49002.2数据清洗与整理 5

26982.3数据预处理技巧 6

23617第三章描述性统计分析 6

16853.1频数与频率分析 6

50243.1.1频数 6

187113.1.2频率 7

207003.1.3频数分布表与频率分布表 7

182343.2数据可视化 7

267633.2.1条形图 7

120433.2.2饼图 7

299913.2.3折线图 7

192473.2.4散点图 7

123983.3统计量度 7

269693.3.1众数 8

267683.3.2平均数 8

3083.3.3中位数 8

306833.3.4极差 8

20183.3.5方差与标准差 8

6858第四章假设检验与推断性统计分析 8

318134.1假设检验概述 8

81074.1.1原假设与备择假设 8

232044.1.2假设检验的统计量 8

10674.2常见假设检验方法 9

231524.2.1单样本t检验 9

308584.2.2双样本t检验 9

120794.2.3卡方检验 9

156984.2.4方差分析 9

35554.3推断性统计分析 9

142624.3.1参数估计 9

6014.3.2假设检验 9

148604.3.3相关分析 10

154334.3.4回归分析 10

10499第五章相关分析与回归分析 10

312835.1相关分析概述 10

111295.2相关系数计算 10

103275.2.1皮尔逊相关系数 10

169315.2.2斯皮尔曼相关系数 10

154205.2.3肯德尔相关系数 11

198185.3线性回归分析 11

22945第六章时间序列分析 11

315246.1时间序列概述 11

296526.2时间序列分解 12

89746.3时间序列预测 12

30387第七章聚类分析 13

41547.1聚类分析概述 13

74117.2常见聚类算法 13

263187.2.1层次聚类算法 13

13737.2.2划分聚类算法 14

42877.3聚类结果评估 14

263947.3.1外部指标 14

126617.3.2内部指标 14

1358第八章主成分分析 15

244408.1主成分分析概述 15

175468.2主成分分析步骤 15

73168.2.1数据标准化 15

63728.2.2计算协方差矩阵 15

20748.2.3计算特征值和特征向量 15

311578.2.4选择主成分 15

256378.2.5建立主成分模型 16

123558.3主成分分析应用 16

35968.3.1数据降维 16

166268.3.2特征提取 16

193108.3.3异常值检测 16

62558.3.4数据可视化 16

221328.3.5降维聚类 16

187288.3.6数据压缩 16

8689第九章数据挖掘与机器学习 16

80289.1数据挖掘概述 16

1259.1.1定义与背景 17

160979.1.2数据挖掘任务 17

216469.1.3数据挖掘流程 17

323649.2机器学习概述 17

265759.2.1定义与背景 17

162879.2.2监督学习 17

249539.2.3无监督学习 17

42229.2.4强化学习 17

2