课程大纲： 大数据模型与数据挖掘应用实战培训
一、数据挖掘标准流程
1.1 数据挖掘概述
1.2 数据挖掘的标准流程（CRISP-DM）
1.3 数据建模示例
二、数据预处理过程
2.1 数据挖掘处理的一般过程
2.2 数据读入
2.3 数据集成
2.4 数据理解
2.5 数据准备：数据处理
2.6 数据准备：变量处理
2.7 基本分析
2.8 特征选择
2.9 因子分析（主成分分析）
三、因素影响分析（特征重要性分析）
3.1 常用特征重要性分析的方法
3.2 相关分析（数值+数值，相关程度计算）
3.3 方差分析（分类+数值，影响因素分析）
3.4 列联分析（分类+分类，影响因素分析）
四、数值预测模型篇
4.1 销量预测与市场预测——让你看得更远
4.2 回归预测/回归分析
4.3 时序预测
4.4 季节性预测模型
4.5 新产品预测模型与S曲线
4.6 自定义模型（如何利用规划求解进行自定义模型）
五、回归模型优化篇
5.1 回归模型的基本原理
5.2 模型优化思路：寻找佳回归拟合线
六、分类预测模型
6.1 分类概述
6.2 逻辑回归分析模型
6.3 决策树分类
6.4 神经网络
6.5 支持向量机
6.6 朴素贝叶斯分类
七、客户细分与聚类
7.1 客户细分常用方法
7.2 聚类分析（Clustering）
7.3 RFM模型分析
八、产品与关联分析
8.1 关联规则原理介绍
8.2 关联规则适用场景：交叉销售、捆绑营销、产品布局
加入高级会员获得助教答疑
