数据分析与挖掘基础作业指导书.docVIP

数据分析与挖掘基础作业指导书

TOC\o1-2\h\u27214第一章数据分析概述 3

290631.1数据分析的定义与作用 3

149071.2数据分析的方法与流程 3

10935第二章数据采集与预处理 4

21562.1数据采集方法 4

299492.2数据清洗 4

93892.3数据整合 5

251242.4数据预处理技巧 5

32285第三章描述性统计分析 5

161963.1基础统计量 6

179253.1.1均值（Mean） 6

304193.1.2中位数（Median） 6

271753.1.3众数（Mode） 6

164173.1.4极值（MaximumandMinimum） 6

109493.1.5四分位数（Quartiles） 6

286243.2数据可视化 6

291133.2.1直方图（Histogram） 6

64163.2.2箱线图（Boxplot） 6

315583.2.3散点图（ScatterPlot） 7

280633.2.4饼图（PieChart） 7

98783.3分布分析 7

314523.3.1正态分布（NormalDistribution） 7

130523.3.2偏度（Skewness） 7

52353.3.3峰度（Kurtosis） 7

62613.4相关系数与协方差 7

3643.4.1相关系数（CorrelationCoefficient） 7

238043.4.2协方差（Covariance） 7

26273第四章假设检验与推断性统计分析 8

55444.1假设检验的基本概念 8

4804.2常见的假设检验方法 8

311634.3方差分析与回归分析 8

90434.4统计推断的注意事项 9

24317第五章聚类分析 9

324775.1聚类分析的基本概念 9

292095.2常见聚类算法 10

321295.2.1Kmeans算法 10

212185.2.2层次聚类算法 10

141165.2.3密度聚类算法 10

152625.2.4基于网格的聚类算法 10

161575.3聚类分析的应用 10

214525.3.1数据挖掘 10

6185.3.2模式识别 10

46115.3.3图像处理 10

114065.3.4生物学 11

28121第六章关联规则挖掘 11

287726.1关联规则的基本概念 11

271246.2Apriori算法与FPgrowth算法 11

154566.2.1Apriori算法 11

326926.2.2FPgrowth算法 11

240976.3关联规则挖掘的应用 12

276第七章时间序列分析 12

305227.1时间序列的基本概念 12

273217.1.1定义 12

301087.1.2特点 12

120987.1.3分类 13

51367.2时间序列分析方法 13

36737.2.1描述性分析 13

193467.2.2平稳性检验 13

238357.2.3模型识别 13

93697.2.4参数估计 13

48007.2.5模型检验 13

39857.3时间序列预测 13

173437.3.1预测方法 13

261167.3.2预测评估 14

181027.3.3预测应用 14

594第八章因子分析 14

230008.1因子分析的基本概念 14

25358.2主成分分析 14

53158.3因子分析的步骤与应用 15

98008.3.1因子分析的步骤 15

45698.3.2因子分析的应用 15

2936第九章机器学习基础 15

213999.1机器学习的定义与分类 16

241859.1.1机器学习的定义 16

198449.1.2机器学习的分类 16

258559.2常见机器学习算法 16

301209.2.1线性模型 16

285579.2.2树模型 16

109279.2.3神经网络 16

147319.2.4聚类算法 17

235819.3机器学习模型评估与优化