![](http://videocrawler.ws.126.net/special/mooc/course/cover/1463189161.jpg?imageView&quality=90&thumbnail=760y570)
R语言数据分析与挖掘
本课程共53集 翻译完 欢迎学习
课程介绍:【教学模式】课程主要采用课堂讲授与课程实验的混合教学模式. 课堂主要讲授数据分析的基本工具、基本原理和基本方法, 旨在帮助学生构建数据分析的基本思维, 掌握数据分析的基本流程. 课程实验主要通过数据分析实验训练学生实际动手能力, 旨在帮助学生掌握R语言, 并能够处理数据, 实现数据的可视化和统计建模. 【课程内容】课程内容主要包括三个部分: R语言基础、数据分析基础,及统计方法与数据挖掘算法, 共15章内容. R语言基础主要讲授R语言的运行环境、R语言的语法、数据处理和数据可视化; 数据分析基础则主要讲授统计的基本概念、区间估计和假设检验; 统计方法与数据挖掘算法主要讲授相关性数据分析的方法(如: 列联表分析、方差分析、线性回归和Logistic回归)、分类算法(如: 分类的基本概念、决策树算法、KNN 算法、朴素贝叶斯算法和人工神经网络)、聚类算法(如: K-means聚类算法和层次聚类算法等)和Aprior 关联规则. 除通过课堂讲授相关模型和方法的基本原理外, 还通过课程实验加深学生对这些内容的理解, 并应用处理数据、分析数据.
课程列表
【第1集】1.1 R安装及运行环境 译
【第2集】1.2 数据类型及对象 译
【第3集】1.2 数据类型及对象 译
【第4集】1.3 数据读取和数据处理 译
【第5集】2.1 数据来源及类型 译
【第6集】2.2 数据基础统计量 译
【第7集】2.2 数据基础统计量 译
【第8集】3.1 基于表格的数据可视化 译
【第9集】3.2 基于图形的数据可视化 译
【第10集】4.1 数据转换 译
【第11集】4.2 数据合并 译
【第12集】5.1 随机事件及其概率 译
【第13集】5.2 随机变量 译
【第14集】5.3 由正态分布诱导的几个重要分布 译
【第15集】6.1 统计学中的基本概率 译
【第16集】6.2 抽样分布 译
【第17集】7.1 参数估计的原理 译
【第18集】7.2 总体均值的区间估计 译
【第19集】7.2 总体均值的区间估计 译
【第20集】7.3 总体比例的区间估计 与 7.4 总体方差的区间估计 译
【第21集】8.1 假设检验的基本原理 译
【第22集】8.2 总体均值的检验 译
【第23集】8.3 总体比例的检验 译
【第24集】8.4 总体方差的检验 译
【第25集】8.5 非参数检验 译
【第26集】9.1 一个类别变量的拟合优度检验 译
【第27集】9.2 两个类别变量的独立性检验与相关性度量 译
【第28集】10.1 方差分析的原理 译
【第29集】10.2 单因子方差分析 译
【第30集】10.3 双因子方差分析 译
【第31集】10.3 双因子方差分析 译
【第32集】10.4 方差分析的假定及其检验 译
【第33集】10.5 单因子方差分析的非参数方法 译
【第34集】11.1 变量间关系的度量 译
【第35集】11.2 模型估计和检验 译
【第36集】11.3 利用回归方程进行预测 译
【第37集】11.4 回归分析过程示例 译
【第38集】12.1 多元线性回归模型概述 译
【第39集】12.2 拟合优度和显著性检验 译
【第40集】12.3 多重共线性 译
【第41集】12.4 相对重要性和模型比较 译
【第42集】12.5 虚拟变量回归 译
【第43集】13.1 Logistic回归的基本原理 译
【第44集】13.2 Logistic回归实例分析 译
【第45集】14.1 分类的基本概念 译
【第46集】14.2 决策树算法 译
【第47集】14.3 KNN 算法 译
【第48集】14.4 朴素贝叶斯算法 译
【第49集】14.5 人工神经网络 译
【第50集】15.1 聚类的基本概念 译
【第51集】15.2 K-means聚类算法 译
【第52集】15.3 层次聚类算法与其他 译
【第53集】15.4 Aprior 关联规则 译
查看全部课程
相关推荐
![](http://videoimg.ws.126.net/cover/20220429/9sVFJD1vp_cover.jpg?imageView&thumbnail=224y126&quality=95)
14:03
【黑马程序员Java零基础视频教程...
833播放