《商务数据分析》PPT课件（全）.pptx

商务数据分析;大纲;第一部分 商务数据分析基本概念与框架  （两章）;第一章 商务数据分析基本概念;第一节 商务数据分析概述 ;１．数据类型 ;１．数据类型 ;１．数据类型 ;１．数据类型 ;２．数据分析类型 ;３．数据分析方法 ;３．数据分析方法 ;３．数据分析方法 ;第二节 商务分析理论 ;２．用户画像 ;２．用户画像 ;３．用户点击流分析;４．顾客价值 ;４．顾客价值 ;４．顾客价值 ;第三节 数据分析主要应用 ;1. 市场营销;1. 市场营销;1. 市场营销;２．运营管理 ;３．产品研发 ;第一部分 商务数据分析基本概念与框架  （两章）;第二章 商务数据分析框架 ;商务数据分析框架;1.问题明确 ;２．数据理解 ;３．数据预处理 ;４．模型建立 ;４．模型建立 ;４．模型建立 ;４．模型建立 ;４．模型建立 ;４．模型建立 ;４．模型建立 ;４．模型建立 ;５．模型评价;６．模型发布 ;商务数据分析整体框架 ;第二部分 商务数据分析常用方法  ;第三章 数据获取与数据理解 ;第一节 数据获取 ;１．直接获取 ;１．直接获取 ;２．间接获取 ;２．间接获取;２．间接获取;第二节 数据描述 ;１．集中趋势分析 ;１．集中趋势分析 ;１．集中趋势分析 ;２．离散程度分析 ;２．离散程度分析 ;２．离散程度分析 ;３．分布形状分析 ;３．分布形状分析 ;第二部分 商务数据分析常用方法  ;第四章 数据预处理 ;第一节 数据预处理 ;1.数据预处理的目的 ;２．数据预处理的主要任务;3.数据清洗 ;3.数据清洗 ;3.数据清洗 ;3.数据清洗 ;3.数据清洗 ;3.数据清洗 ;4.数据集成;4.数据集成;4.数据集成;５．数据变换 ;５．数据变换 ;５．数据变换 ;５．数据变换 ;５．数据变换 ;６．数据规约 ;６．数据规约 ;６．数据规约 ;第二节 特征工程 ;第二节 特征工程 ;１．特征选择的目的 ;２．特征选择的过程 ;３．子集搜索 ;３．子集搜索 ;３．子集搜索 ;４．子集评价 ;5．特征选择的方法 ;5．特征选择的方法 ;5．特征选择的方法 ;5．特征选择的方法 ;5．特征选择的方法 ;5．特征选择的方法 ;5．特征选择的方法 ;第二部分 商务数据分析常用方法  ;第五章 计量模型 ;第一节 时间序列分析 ;1.时间序列分析简介 ;1.时间序列分析简介 ;２．时间序列建模：平稳性检验 ;２．时间序列建模：平稳性检验 ;3.平稳时间序列常用模型;3.平稳时间序列常用模型;3.平稳时间序列常用模型;3.平稳时间序列常用模型;4. 非平稳时间序列;4. 非平稳时间序列;4. 非平稳时间序列;第二节 回归模型;1.回归模型评价标准 ;1.回归模型评价标准 ;1.回归模型评价标准 ;1.回归模型评价标准 ;２．线性回归 ;２．线性回归 ;３．非线性回归 ;３．非线性回归 ;４．回归模型和回归系数的显著性 ;４．回归模型和回归系数的显著性 ;５．多重共线性的检验 ;５．多重共线性的检验 ;第二部分 商务数据分析常用方法  ;第六章 数据挖掘分类预测模型;;第一节 分类模型评价标准;（1）准确率、精确率、召回率、F1值;（2）ROC曲线和AUC;（2）ROC曲线和AUC;第二节 逻辑回归;1.从线性回归到逻辑回归 ;２．逻辑回归的参数优化 ;３．逻辑回归小结 ;４．二分类算法应用于多分类问题;４．二分类算法应用于多分类问题;第三节 决策树;1. 信息熵 ;1.信息熵 ;２．信息熵、不确定性与集合纯度 ;３．信息增益 ;３．信息增益 ;４．常见的决策树算法 ;４．常见的决策树算法 ;４．常见的决策树算法 ;５．决策树的剪枝 ;6.决策树小结;第四节 贝叶斯算法 ;2. 贝叶斯公式 ;2. 贝叶斯公式 ;３．朴素贝叶斯算法 ;4．非朴素贝叶斯算法 ;5．贝叶斯算法小结 ;第五节 ｋ最近邻算法 ;2. K近邻算法的三个基本要素;2. K近邻算法的三个基本要素;2. K近邻算法的三个基本要素;３．改进最近邻算法：kd树的构造 ;4．最近邻算法小结 ;第六节 支持向量机;1. SVM基本原理;1. SVM基本原理;２．软间隔 ;３．SVM中的核函数 ;4．SVM算法的特点;第七节 人工神经网络;1. 神经网络基本结构 ;1. 神经网络基本结构 ;2. 神经元模型;2. 神经元模型;2. 神经元模型;3. BP神经网络;3. BP神经网络;４．BP神经网络特点 ;第八节 分类和预测算法扩展;１．数据不平衡问题 ;２．集成学习（Ensemble Learning） ;２．集成学习;２．集成学习;第二部分 商务数据分析常用方法  ;第七章 数据挖