数据分析进阶作业指导书.docVIP

数据分析进阶作业指导书

TOC\o1-2\h\u11674第一章数据预处理 3

99951.1数据清洗 4

211991.1.1识别缺失值 4

203961.1.2异常值检测 4

161991.1.3数据类型转换 4

188951.1.4数据标准化 4

149391.2数据整合 4

91481.2.1数据来源分析 4

133751.2.2数据集合并 4

255261.2.3数据字段映射 4

75501.2.4数据一致性检查 5

56481.3数据转换 5

325891.3.1数据降维 5

155311.3.2特征工程 5

8971.3.3数据转换方法 5

132101.3.4数据可视化 5

20783第二章数据可视化 5

316852.1基础图表绘制 5

28692.1.1概述 5

91492.1.2柱状图 5

266972.1.3折线图 6

20862.1.4饼图 6

225912.2高级图表绘制 6

123742.2.1概述 6

22032.2.2散点图 6

289632.2.3箱线图 6

273162.2.4雷达图 7

38332.3可视化工具应用 7

122732.3.1概述 7

86132.3.2Excel 7

53502.3.3Tableau 7

203492.3.4Python 7

231292.3.5PowerBI 7

25294第三章统计分析 8

8933.1描述性统计分析 8

50503.1.1频数分布 8

273543.1.2集中趋势 8

291523.1.3离散程度 8

30173.2假设检验 8

298413.2.1单样本t检验 9

31713.2.2双样本t检验 9

116113.3相关性分析 9

133983.3.1皮尔逊相关系数 9

143813.3.2斯皮尔曼秩相关系数 9

79383.3.3卡方检验 9

7526第四章时间序列分析 10

112014.1时间序列基本概念 10

157534.2时间序列预测方法 10

13664.3时间序列模型应用 11

23408第五章机器学习基础 11

86515.1机器学习概述 11

166905.1.1机器学习的定义 11

261835.1.2机器学习的分类 11

74475.1.3机器学习的发展历程 12

139965.2监督学习算法 12

243995.2.1线性回归 12

140685.2.2逻辑回归 12

261855.2.3决策树 12

298665.2.4支持向量机（SVM） 12

304305.3无监督学习算法 13

84295.3.1K均值聚类 13

98975.3.2层次聚类 13

20255.3.3主成分分析（PCA） 13

210565.3.4自编码器（Autoenr） 13

6307第六章数据挖掘 13

179726.1数据挖掘基本任务 13

103736.1.1关联分析 13

145846.1.2聚类分析 13

143656.1.3分类预测 13

258926.1.4异常检测 14

273586.2数据挖掘算法 14

201446.2.1Apriori算法 14

127806.2.2Kmeans算法 14

212686.2.3决策树算法 14

271876.2.4支持向量机算法 14

254686.3数据挖掘应用案例 14

287686.3.1零售业商品推荐 14

3586.3.2金融业信用评分 14

3716.3.3电信业客户流失预测 14

64996.3.4医疗行业疾病预测 15

13564第七章深度学习 15

299227.1深度学习简介 15

16157.2神经网络基础 15

7967.2.1神经元模型 15

194967.2.2前向传播与反向传播 15

313917.2.3激活函数 15

149967.2.4优化算法 15

82137.3卷积神经网络与循环神经网络 15

105347.3.1卷积神经网络（CNN