数据挖掘基础 599.00元
本课程将向大家讲述数据挖掘的基础知识，包括数据挖掘的相关基础概念、工作范式、常见模型应用、数理统计算法等内容，结合实例，深入浅出，帮助大家系统地学习数据挖掘。
免费观看前5节课程时长:12小时
立即购买
1.数据挖掘概述_1.什么是数据挖掘（1）
.png)
免费试学
22分钟
568
1.数据挖掘概述_1.什么是数据挖掘（2）
免费试学
19分钟
536
1.数据挖掘概述_2数据挖掘的相关概念
免费试学
14分钟
669
1.数据挖掘概述_3.数据挖掘工作范式
免费试学
20分钟
674
1.数据挖掘概述_4.RFM模型
免费试学
19分钟
495
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（1）数据导入
未解锁
20分钟
6
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（2）F计算
未解锁
8分钟
7
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（3）M计算
未解锁
9分钟
7
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（4）R计算
未解锁
20分钟
6
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（5）构建模型
未解锁
18分钟
6
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（6）构建模型
未解锁
19分钟
6
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（7）构建模型
未解锁
9分钟
7
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（8）构建模型
未解锁
15分钟
7
1.数据挖掘概述_5.基于RFM模型的客户价值挖掘项目_（9）本章总结
未解锁
8分钟
5
2.挖掘算法概述_1.数据科学的知识领域
未解锁
21分钟
5
2.挖掘算法概述_2.数理统计技术
未解锁
12分钟
6
2.挖掘算法概述_3.数据挖掘的技术与方法
未解锁
18分钟
7
2.挖掘算法概述_4.描述性数据挖掘算法示例_(1)聚类分析概念
未解锁
11分钟
5
2.挖掘算法概述_4.描述性数据挖掘算法示例_(1)聚类分析原理
未解锁
14分钟
10
2.挖掘算法概述_4.描述性数据挖掘算法示例_(2)关联规则概念
未解锁
8分钟
5
2.挖掘算法概述_4.描述性数据挖掘算法示例_(3)关联规则支持度置信度
未解锁
21分钟
8
2.挖掘算法概述_4.描述性数据挖掘算法示例_(4)关联规则提升度
未解锁
15分钟
5
2.挖掘算法概述_4.描述性数据挖掘算法示例_(5)关联规则总结
未解锁
4分钟
5
2.挖掘算法概述_5.预测性数据挖掘算法示例_(1)决策树信息熵
未解锁
10分钟
5
2.挖掘算法概述_5.预测性数据挖掘算法示例_(2)决策树信息增益
未解锁
25分钟
5
2.挖掘算法概述_5.预测性数据挖掘算法示例_(3)决策树绘制
未解锁
14分钟
7
2.挖掘算法概述_6.预测性数据挖掘算法示例_(1)KNN概念
未解锁
14分钟
5
2.挖掘算法概述_6.预测性数据挖掘算法示例_(2)KNN原理
未解锁
14分钟
5
2.挖掘算法概述_7.预测性数据挖掘算法示例_(1)Logistic回归概念
未解锁
17分钟
8
2.挖掘算法概述_7.预测性数据挖掘算法示例_(2)Logistic回归原理
未解锁
24分钟
6
2.挖掘算法概述_8.预测性数据挖掘算法示例_(1)神经网络概念
未解锁
15分钟
5
2.挖掘算法概述_8.预测性数据挖掘算法示例_(2)神经网络原理
未解锁
23分钟
5
2.挖掘算法概述_9.预测性数据挖掘算法示例-(3)支持向量机总结
未解锁
13分钟
8
2.挖掘算法概述_9.预测性数据挖掘算法示例_(1)支持向量机概念
未解锁
9分钟
6
2.挖掘算法概述_9.预测性数据挖掘算法示例_(2)支持向量机原理上
未解锁
13分钟
5
2.挖掘算法概述_9.预测性数据挖掘算法示例_(2)支持向量机原理下
未解锁
20分钟
7
2.挖掘算法概述_10.预测性数据挖掘算法示例_集成学习
未解锁
15分钟
5
2.挖掘算法概述_11.预测类算法总结_(1)排序类算法
未解锁
24分钟
5
2.挖掘算法概述_11.预测类算法总结_(2)决策类算法
未解锁
9分钟
7
2.挖掘算法概述_12.模型评估_（1）回归模型
未解锁
21分钟
6
2.挖掘算法概述_12.模型评估_（2）决策模型
未解锁
12分钟
5
2.挖掘算法概述_12.模型评估_（3）排序模型（1）
未解锁
17分钟
5
2.挖掘算法概述_12.模型评估_（3）排序模型（2）
未解锁
7分钟
8
2.挖掘算法概述_总结
未解锁
17分钟
5
课程评价:
授课教师
周一
Python讲师
蜗牛学院讲师，硕士，统计师。从事数据科学研发多年，历任数据分析师、数据挖掘工程师。具备深厚的数学、统计学和数理统计功底，擅长商业数据项目研发管理。熟悉R、SPSS、SAS、Python、STATA等语言工具，和机器学习、深度学习等相关技术。启发式教学，个性化教学，课堂氛围轻松，知识点凝练，深受学生好评。
