《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 第一章 数据挖掘与R语言概述 学习目标 理论方面,了解数据挖掘的概念,掌握数据挖掘的结果及展示方式,明确数据挖掘能够实现哪些分析目标,领会 数据挖掘方法的主要思路,总览数据挖掘的典型商业应用 实践方面,了解R语言的相关概念,掌握R语言入门必备知识,熟悉R语言的基本操作 数据挖掘与R语言概述 人类的数据生产能力达到空前 从数据挖掘方法入手,无疑是最佳选择 R语言是目前应用最为广泛的数据挖掘与分析工 具 第一,共享性 第二,分析方法丰富 第三,操作简便性和灵活性 第四,成长性 什么是数据挖掘 对数据挖掘的理解已达成如下共识 首先 ,数据挖掘是一个利用各种方法,从海量的有噪声的各类数据中,提取潜在的、可理解的、有价值的信息过程 其次,数据挖掘是一项涉及多任务、 多学科的庞大的系统工程,涉及数据源的建立和管理、从数据源提取数据、数据预处理、数据可视化、建立模型和评价以及应用模型评估等诸多环节 数据挖掘的诸多环节本质上可归纳为两个具有内在联系的阶段:数据的存储管理阶段和数据的分析建模阶段,涉及计算机科学和统计学等众多交叉 学科领域 数据挖掘的结果 数据挖掘结果有如下呈现方式 数学模型 推理规则 图形 数据挖掘结果的基本特征 潜在性 可理解性 有价 值性 数据挖掘能做什么 数据挖掘可以解决四大方面的问题 数据预测:基于对历史数据的分析,预测新数据的特征,或是预测数据的未来发展趋 势等 发现数据的内在结构:发现数据集中可能包含着的若干个小的数据子集 发现关联性:找到变量取值的内在规律性 模式诊断:找到数据集中 的模式 数据挖掘方法的特点 数据挖掘方法是统计方法和机器学习方法的有机结合,呈现鲜明的交叉学科特点 数据挖掘能够更好地适应大数据分 析的要求,充分发挥统计学和机器学习的长处,解决如下三方面的问题: 对目标契合度不高的数据,怎样的建模策略能够更好地迎合分析的需要 对于海量、高维数据,怎样的建模策略能够更好地揭示数据特征,提高分析效率 对于复杂类型和关系数据,怎样的建模策略能够清晰地揭示数据的 特征 数据挖掘的典型商业应用 数据挖掘在客户细分中的应用 数据挖掘在客户流失分析中的应用 数据挖掘在营销响应分析中的应用 数据挖掘 在交叉销售中的应用 数据挖掘在欺诈甄别中的应用 R语言入门必备 什么是R的包 R是一个关于包的集合。包是关于函数、数据集、编译器等 的集合。编写R程序过程就是通过创建R对象组织数据,通过调用系统函数,或者创建并调用自定义函数,逐步完成数据挖掘各阶段任务的过程 R 包的种类:基础包和共享包 如何获得 R 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数 据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 |
|