数据分析和业务智能应用作业指导书.docVIP

数据分析和业务智能应用作业指导书

TOC\o1-2\h\u16562第一章数据分析基础 3

70431.1数据收集与整理 3

223681.1.1数据收集概述 3

231141.1.2数据收集方法 3

71001.1.3数据整理 3

286121.2数据清洗与预处理 4

14751.2.1数据清洗 4

153401.2.2数据预处理 4

260351.3数据可视化 4

96141.3.1图形可视化 4

22011.3.2表格可视化 4

105111.3.3地图可视化 4

57851.3.4动态可视化 5

77231.3.5交互式可视化 5

8213第二章数据分析方法 5

299322.1描述性统计分析 5

146792.1.1数据的收集与清洗 5

274412.1.2数据的描述性统计指标 5

165122.1.3数据的可视化展示 5

19062.2摸索性数据分析 5

19682.2.1数据摸索 6

191132.2.2关联性分析 6

117302.2.3聚类分析 6

231792.3假设检验与推断 6

6282.3.1参数估计 6

118882.3.2假设检验 6

30083第三章数据挖掘技术 7

237133.1聚类分析 7

230303.1.1概述 7

212143.1.2聚类方法 7

150073.1.3聚类分析的评价指标 7

236493.2关联规则挖掘 7

150393.2.1概述 7

104063.2.2关联规则挖掘方法 8

20733.2.3关联规则挖掘的评估指标 8

250223.3时序分析与预测 8

211243.3.1概述 8

56293.3.2时序分析方法 8

75213.3.3时序分析与预测的评估指标 8

6201第四章数据仓库与数据集成 8

85344.1数据仓库概述 8

212474.2数据集成策略 9

269364.3数据仓库设计与实现 10

11872第五章数据建模与优化 10

274175.1数据建模方法 10

259345.1.1概述 10

99245.1.2回归分析 11

201175.1.3分类算法 11

238635.1.4聚类分析 11

325085.1.5关联规则挖掘 11

207035.2模型评估与选择 11

53935.2.1模型评估指标 11

155105.2.2交叉验证 11

175795.2.3模型选择方法 11

245015.3模型优化与调整 12

100255.3.1参数优化 12

122315.3.2特征工程 12

161145.3.3集成学习 12

1166第六章机器学习在数据分析中的应用 12

204316.1机器学习概述 12

311046.1.1定义与分类 12

314916.1.2发展历程 12

225046.1.3应用领域 13

177556.2常见机器学习算法 13

141566.2.1线性回归 13

78196.2.2逻辑回归 13

117216.2.3决策树 13

318846.2.4支持向量机 13

308496.2.5神经网络 13

294026.3机器学习应用案例 13

11076.3.1金融风控 13

114656.3.2推荐系统 13

167546.3.3自然语言处理 14

110766.3.4计算机视觉 14

165376.3.5语音识别 14

27053第七章业务智能概述 14

201997.1业务智能概念 14

273357.2业务智能体系结构 14

116977.3业务智能应用场景 15

30147第八章业务智能工具与应用 15

117228.1常见业务智能工具 15

196948.2业务智能报告与仪表板 16

291958.3业务智能应用案例 16

12942第九章数据分析与业务决策 16

315239.1数据分析在业务决策中的应用 16

301969.1.1数据分析的概念与价值 16

284169.1.2数据分析在业务决策中的具体应用