本課程內(nèi)容創(chuàng)建在R語言基本課程內(nèi)容以上。本課程內(nèi)容重在實踐活動，將以好幾個實例的方式，詳細介紹詳細的數(shù)據(jù)統(tǒng)計分析的步驟，從數(shù)據(jù)信息模型創(chuàng)建到數(shù)據(jù)清洗到數(shù)據(jù)可視化的全過程。學生在這個課程內(nèi)容中，將學習培訓怎么使用原始記錄創(chuàng)建剖析模型，依據(jù)不一樣的總體目標應用不一樣的數(shù)據(jù)統(tǒng)計分析方式，并根據(jù)制圖的方法，*后完成數(shù)據(jù)信息的數(shù)據(jù)可視化。
原始記錄的探尋與預備處理1.衡量數(shù)據(jù)的集中化水平
2.衡量數(shù)據(jù)的分散化水平
1)極大值，標準差和標準偏差
2)標準誤和誤差指數(shù)，峰度指數(shù)
3.建立一個數(shù)據(jù)引言表
4.出現(xiàn)異常值的觀察與表明
1)運用箱線圖觀察出現(xiàn)異常值并解決
2)出現(xiàn)異常值檢驗的別的狀況和表明
5.缺少值的彌補與解決
1)刪掉缺少值或?qū)ζ溟_展簡易彌補
2)依照關(guān)聯(lián)性對缺口值開展彌補
R的大數(shù)據(jù)可視化1.plot()涵數(shù)和常見的圖型主要參數(shù)
1)設定plot()涵數(shù)中的主要參數(shù)
2)改動散點圖的座標并添加標明
2.經(jīng)典的基本圖型及主要用途
1)曲線圖
2)條形圖
3)箱線圖和莖葉圖
3.將圖型組成起來
4.大量的高質(zhì)量做圖涵數(shù)
5.大量的常見做圖指令
R中主要參數(shù)的估算和檢驗1.應用R開展點估計和區(qū)間估計
1)簡易的點估計和區(qū)間估計
2)估算一側(cè)置信區(qū)間
2.與正態(tài)整體相關(guān)的主要參數(shù)檢驗
3.列聯(lián)表與自覺性檢驗
4.集中化檢驗數(shù)據(jù)分布的涵數(shù)
5.對非正態(tài)整體的區(qū)間估計和檢驗
1)非正態(tài)整體的區(qū)間估計
2)非主要參數(shù)檢驗中的合乎檢驗
3)非主要參數(shù)檢驗中的秩檢驗
R中的方差分析1.方差分析模型的創(chuàng)建
2.單要素方差分析
1)單要素方差分析的數(shù)學思想與模型
2)檢驗樣版是不是考慮方差分析的假定標準
3)搭建單要素方差分析模型
3.多要素方差分析
1)多要素方差分析的數(shù)學思想與模型
2)不考慮到配對t檢驗的雙要素方差分析
3)考慮到配對t檢驗的雙要素方差分析
4.秩檢驗合諧方差分析
1)對調(diào)節(jié)變量運用秩檢驗方式
2)協(xié)方差分析的假定與運用
R中的相關(guān)性分析和多元回歸分析1.多種多樣相關(guān)系數(shù)r的測算和檢驗
1)簡易相關(guān)系數(shù)r的測算和檢驗
2)散散步矩陣圖和偏相關(guān)系數(shù)
3)典型性相關(guān)性分析
2.線性回歸剖析以及常歸主要參數(shù)
1)對數(shù)據(jù)信息開展預備處理
2)搭建*個重歸模型
3)調(diào)整 方程組并檢驗回歸分析
3.應用多元回歸挑選變量
1)多元回歸的觀念與歸類
2)搭建多元回歸模型
4.啞變量和邏輯回歸
1)啞變量和邏輯回歸的觀念
2)向線性回歸模型中列入啞變量
更高級的大數(shù)據(jù)可視化1.基本圖型的拓展與拓寬
1)繪圖歸類散點圖并加上標志
2)繪圖含多種多樣類型的相對密度布局圖
3)復合型條形圖和局部變量條形圖
2.相關(guān)多元化分布函數(shù)的獨特圖型
1)星神和京劇臉譜圖
2)輪廓圖
3)調(diào)合趨勢圖
3.創(chuàng)建非常簡單的3d圖紙形
4.怎么讓圖型更美觀大方
5.更過的制圖包和系統(tǒng)軟件
R中的聚類剖析和判別分析1.集中化聚類剖析的不同點
2.應用R完成KNN聚類
1)KNN優(yōu)化算法的觀念和模型
2)應用R完成KNN聚類
3.應用R完成系統(tǒng)軟件聚類
1)系統(tǒng)軟件聚類的觀念和模型
2)應用R完成系統(tǒng)軟件聚類
4.應用R完成迅速聚類
1)迅速聚類的觀念和模型
2)應用R完成迅速聚類
5.集中化判別分析模型具體描述
1)間距辨別模型
2)Fisher辨別模型
R中的主成分分析法和因子分析1.主成分分析法的完成與運用
1)主成分分析法的模型假定和數(shù)據(jù)處理方法
2)結(jié)構(gòu)一個主成分分析法模型
3)測算主成份的綜合性評分
2.因子分析的*次搭建與健全
1)結(jié)構(gòu)一個簡易的因子分析模型
2)測算因素評分并剖析
3.對因子分析模型開展調(diào)整
1)改動因子分析模型中的因素數(shù)量
2)根據(jù)主成份法和主軸軸承因素法開展因子分析
4.在特征提取剖析的基本上開展多元回歸分析和聚類剖析
1)在特征提取剖析的基本上開展多元回歸分析
2)在特征提取剖析的基本上開展聚類剖析
5.決策樹算法
1)C4.5優(yōu)化算法
2)CART優(yōu)化算法
3)C5.0優(yōu)化算法
R中的理論線性回歸模型1.一般的理論線性回歸模型
1)應用二次函數(shù)擬合線性回歸模型
2)線性擬合大量的理論線形模型
3)較為線形模型的好壞
2.Logistic線性回歸模型
1)Logistic模型的基本原理與搭建方式
2)Logistic模型的顯著性差異檢驗和優(yōu)勢比
3)調(diào)整 被警示的Logistic模型
3.泊松回歸剖析模型
1)線性擬合*個泊松回歸模型
2)泊松回歸模型的過散播檢驗
4.理論線形模型的交叉驗證
R中的時間序列模型1.將數(shù)據(jù)交換為時間序列文件格式
1)應用ts()涵數(shù)變換數(shù)據(jù)類型并繪圖時間序列曲線圖
2)應用zoo()涵數(shù)變換數(shù)據(jù)類型并繪圖時間序列曲線圖
2.溶解時間序列并檢驗時間序列的自關(guān)聯(lián)性
1)應用經(jīng)典方式溶解時間序列
2)應用STL方式溶解時間序列
3.研究時間序列的自關(guān)聯(lián)性
1)應用月圖和一季度圖研究自關(guān)聯(lián)性
2)應用散點圖研究自關(guān)聯(lián)性
4.搭建時間序列并預測分析
1)平均值預測分析，單純性預測分析和飄移
2)不考慮到趨勢性和時節(jié)起伏的簡易指數(shù)值光滑
3)在指數(shù)值光滑中添加趨勢性和時節(jié)起伏
4)自回歸移動平均法模型
R中的*優(yōu)控制難題1.*優(yōu)控制難題概述
2.黃金分割法
1)黃金分割法和部分*優(yōu)解
2)應用R完成黃金分割法
3.哥白尼*優(yōu)化方法
1)哥白尼方式的優(yōu)化算法基本原理
2)在一維情況下完成牛頓迭代法
3)在多維度情況下完成牛頓迭代法
4.更快升高法
1)運用梯度方向求得升高更快的鄰近點
2)搭建更快升高法涵數(shù)并檢驗
5.R中*優(yōu)控制涵數(shù)
地理位置 Location
