零基础上手实战R语言版机器学习视频教程
课程：https://pan.baidu.com/s/1hlfzWO-5WIkawtU3GK-GwQ
提取码：r39r
本课程涵盖了几乎所有的数据挖掘的知识，对R语言基础知识进行细致的讲解，在数据挖掘方面和算法方面有很深的理论讲解。除了详实的理论讲解外，同时还阐述了技术架构和运用场景，并结合大量具体的实践案例，对每个知识点做了精细的讲解。可以讲从最基础的R语言，库开始，到具体的算法原理、实现、及企业实际应用场景全方位的讲解了基于R语言的数据科学技术
课程目标：
通过学习本课程，使学者可以很清晰的
知道什么是数据科学,数据科学的运用场景
知道数据挖掘基本的理论
了解数据挖掘思想
掌握R语言的基本知识
掌握R语言的基本包使用
掌握用R进行数据处理的能力
了解用R进行描述性统计分析
了解用R语言进行数据图形处理
了解缺失值的清洗能力和方法
熟悉用R语言建立数据挖掘模型
掌握爬虫技术的原理和案例
熟悉用R语言实现爬虫功能
了解数据科学常见的几种算法
动手实践数据挖掘的各种实际案例
熟悉挖掘分析的案例
了解数据科学在未来的发展趋势
课程大纲：
第1章：数据科学简述
1、什么是数据科学
2、数据科学广义的定义
3、数据科学狭义的定义
4、与其他学科的关系
5、数据科学领域
6、数据科学概念图
7、数据科学三要数
8、流传已久德韦恩图
9、数据科学家的知识背景
10、学术数据科学家
11、八步成为数据科学家
12、数据科学未来发展的方向
第2章：数据挖掘方法和流程
1、数据挖掘体系结构
2、数据挖掘过程模型
1)Fayyad数据挖掘模型
2)CRISP-DM模型
3、数据挖掘基本流程
4、数据分析的原则
5、数据分析的步骤
6、数据集的概念
7、常用数据挖掘工具-SAS
8、常用数据挖掘工具-R语言
9、常用数据挖掘工具-SPSS
10.案例实操：使用R语言实现向量的例子
第3章：R语言概述与基本操作
1、R语言介绍
2、R语言的优势
3、R软件安装
4、R软件界面
5、工作目录
6、R语言的数据类型
7、对象及其属性
8、向量
9、矩阵和数组
10、列表和数据框
11、因子
12.常用数据的创建
13.控制流
14.运算符、函数和过程
15.实操：使用R语言实现向量的案例
第4章：R语言基础统计
1.基本函数介绍
2.基本函数案例演示
3.高级数学函数
4.高级数学函数演示
5.数据描述性分析：位置的度量
6.数据描述性分析：离散趋势的测度
7.实操：以鸢尾花数据集iris为例基本函数的应用
第5章：统计绘图
1.R语言绘图基础
2.颜色、文字元素、线元素
3.低级绘图函数
4.title函数、legend函数、坐标轴、边框、网格线、点
5.高级绘图函数
6.散点图、散点图矩阵、气泡图、饼图、直方图、箱线图、茎叶图
7.相关图、马赛克图、脸谱图、星相图
第6章：数据科学原理及应用一
1.时间时序算法原理
2.多元线性回归算法原理
3.logit回归算法原理
4.主成分分析算法原理
5.案例：使用金融行业-应用主成分分析做挖掘因子筛选
第7章：数据科学原理及应用二
1.聚类分析算法原理
2.关联规则分析算法原理
3.使用最近邻近法分类算法讲解
4.案例：基于关联算法的零售商品关联分析系统
第8章：数据科学原理及应用三
1.朴素贝叶斯分类算法原理
2.应用决策树进行分类算法原理
3.神经网络及支持向量机算法原理
4.案例：使用神经网络实现金融行业销售量预测系统
第9章：数据科学原理及应用四
1.协同过滤算法原理
2.基于内容协同过滤
3.基于产品协同过滤
4.案例：应用协同过滤算法实现电商个性化推荐系统
第10章：R语言文本挖掘和分析
1.网络爬虫介绍
2.常用爬虫技术
3中文乱码问题
4.RCurl技术详介
5.html技术分析
6.文本挖掘思想
7.词频统计原理
8.案例1：金融行业-搜索页面的爬取
9.案例2：基于R语言的新闻词频分析
10.案例3：基于R语言的词云统计