Python语言与数据挖掘
对象
大数据系统开发部、大数据分析中心、业务支撑部、IT系统部等相关技术人员。
目的
掌握Python语言,以及在数据挖掘中的应用
内容
Python是一门解释性语言,仅次于JAVA/C/C++/C#*的语言,可应用在大数据语言。易学,易懂,功能强大。其中有着大量的扩展库来实现数据分析与数据挖掘功能。
第一部分:Python语言基础
目的:掌握基本的Python编程思想与编程语句,熟悉常用数据结构的操作
1、Python简介
2、开发环境搭建
Python的安装
扩展库的安装
3、掌握Python的简单数据类型
字符串的使用及操作
整数、浮点数
4、掌握基本语句:
if、while、for、print等
基本运算:
函数定义、参数传递、返回值
5、掌握复杂的数据类型:列表/元组
列表操作:访问、添加、修改、删除、排序
列表切片、复制等
列表相关的函数、方法
元组的应用
6、复杂数据类型:字典
创建、访问、修改、删除、遍历
字典函数和方法
7、复杂数据类型:集合
8、掌握面向对象编程思想
创建类、继承类
模块
9、函数定义、参数传递、返回值
10、 标准库与扩展库的导入
11、 异常处理:try-except块
演练:基本的Python编程语句
第二部分:Python语言与数据挖掘库
目的:掌握数据集结构及基本处理方法,进一步巩固Python语言
1、数据挖掘常用扩展库介绍
Numpy数组处理支持
Scipy矩阵计算模块
Matplotlib数据可视化工具库
Pandas数据分析和探索工具
StatsModels统计建模库
Scikit-Learn机器学习库
Keras深度学习(神经网络)库
Gensim文本挖掘库
2、数据集读取与操作:读取、写入
读写文本文件
读写CSV文件
读写Excel文件
从数据库获取数据集
3、数据集的核心数据结构(Pandas数据结构)
Dataframe对象及处理方法
Series对象及处理方法
演练:用Python实现数据的基本统计分析功能
第三部分:数据可视化处理
目的:掌握作图扩展库,实现数据可视化
1、常用的Python作图库
Matplotlib库
Pygal库
2、实现分类汇总
演练:按性别统计用户人数
演练:按产品+日期统计各产品销售金额
3、各种图形的画法
直方图
饼图
折线图
散点图
4、绘图的美化技巧
演练:用Python库作图来实现产品销量分析,并可视化
第四部分:数据挖掘基础
目的:掌握数据挖掘标准流程
1、数据挖掘概述
2、数据挖掘的标准流程(CRISP-DM)
商业理解
数据准备
数据理解
模型建立
模型评估
模型应用
3、数据挖掘常用任务与算法
案例:用大数据实现精准营销的项目过程
第五部分:数据理解和数据准备
目的:掌握数据预处理的基本环节,以及Python的实现
1、数据预处理
异常值处理:3σ准则,IQR准则
缺失值插补:均值、拉格朗日插补
数据筛选/抽样
数据的离散化处理
变量变换、变量派生
2、数据的基本分析
相关分析:原理、公式、应用
方差分析:原理、公式、应用
卡方分析:原理、公式、应用
主成分分析:降维
案例:用Python实现数据预处理及数据准备
第六部分:分类预测模型实战
1、常见分类预测的模型与算法
2、如何评估分类预测模型的质量
查准率
查全率
ROC曲线
3、逻辑回归分析模型
逻辑回归的原理
逻辑回归建模的步骤
逻辑回归结果解读
案例:用sklearn库实现银行贷款违约预测
4、决策树模型
决策树分类的原理
决策树的三个关键问题
决策树算法与实现
案例:电力窃漏用户自动识别
5、人工神经网络模型(ANN)
神经网络概述
神经元工作原理
常见神经网络算法(BP、LM、RBF、FNN等)
案例:神经网络预测产品销量
6、支持向量机(SVM)
SVM基本原理
维灾难与核心函数
案例:基于水质图像的水质评价
7、贝叶斯分析
条件概率
常见贝叶斯网络
第七部分:数值预测模型实战
1、常用数值预测的模型
通用预测模型:回归模型
季节性预测模型:相加、相乘模型
新产品预测模型:珀尔曲线与龚铂兹曲线
2、回归分析概念
3、常见回归分析类别
第八部分:聚类分析(客户细分)实战
1、客户细分常用方法
2、聚类分析(Clustering)
聚类方法原理介绍及适用场景
常用聚类分析算法
聚类算法的评价
案例:使用SKLearn实现K均值聚类
案例:使用TSNE实现聚类可视化
3、RFM模型分析
RFM模型,更深入了解你的客户价值
RFM模型与市场策略
案例:航空公司客户价值分析
第九部分:关联规则分析实战
1、关联规则概述
2、常用关联规则算法
3、时间序列分析
案例:使用apriori库实现关联分析
案例:中医证型关联规则挖掘
第十部分:案例实战(学员主导,老师现场指导)
1、实战1:电商用户行为分析及服务推荐
2、实战2:基于基站定位数据的商圈分析
结束:课程总结与问题答疑。
Python语言与数据挖掘
|
||
联系电话:4000504030 |
线上课程关注公众号 |