商業數據分析與算法應用

商業數據分析與算法應用課程/講師盡在商業數據分析與算法應用專題,商業數據分析與算法應用公開課北上廣深等地每月開課！商業數據分析與算法應用在線直播課程（免費試聽）。專家微信18749492090，講師手機13522550408，百度搜索“交廣國際管理咨詢”了解更多。

課程大綱：
第一部分、數據分析探索與應用流程
.商業數據分析
數據挖掘Road Maps
R、python簡單介紹
.數據探索
數據預處理
構建新的變量
異常值處理
數據可視化
.數據分析應用流程

第二部分、經典預測和分類方法
.回歸分析
相關性
線性回歸與擬合
最小二乘法的幾何解釋
線性回歸中的變量選擇
回歸算法的評估與選擇
.KNN 分類器
確定相鄰的樣本數據
分類規則
參數K的選擇
算法優缺點
案例分析：如何選擇相似用戶？
.邏輯回歸
邏輯回歸模型
分類算法的評估
案例分析：用戶借貸能力判定
.決策樹
迭代分割
純度的計算
決策樹的使用效果
如何避免過擬合
剪枝與終止條件
案例分析：如何利用決策樹的提取出業務規則？
.（補充）樹模型應用——隨機森林
案例分析：如何幫助業務方篩選出重要的業務變量？

第三部分、經典聚類算法
.聚類問題介紹
.兩條數據之間的距離
歐式距離
數值型數據處理與距離函數
類別型數據的距離計算
混合類型數據的距離計算
兩個類別之間的距離
*距離、最小聚類、中心距離
.K-means
如何選擇參數K
.層次聚類
案例分析：如何選擇相似用戶？

第四部分、異常檢測與反欺詐
.異常值檢測
異常團體識別
案例分析：無監督反欺詐方案應用
業務思考：如何構建一個反欺詐系統？

第五部分、時間序列預測
.時間序列回歸模型
預測變量篩選
回歸預測
非線性回歸
相關、因果和預測
.時間序列分解
時間序列成分
移動平均
經典時間序列分解
ST.分解法
趨勢性、季節性判定
業務思考：如何對時間序列進行聚類？
分解法預測
時間序列類異常值檢測
業務思考：如何評估促銷活動效果？
.ARIMA模型
平穩性和差分
延遲算子
自回歸與移動平均
非季節性arima
參數估計與選擇
季節性arima
.高級預測方法
復雜的季節性
向量自回歸
神經網絡
.實際預測問題
周數據、天粒度數據以及小時數據預測
預測組合
長序列與短序列預測
訓練集與測試集
缺失值與異常值
案例分享：共享單車Dai.y天粒度需求預測

第六部分、決策優化
.開源決策優化工具介紹 goog.e or-too.s
運籌優化方法介紹
優化算法應用流程
.案例分享（可選）
電商促銷優惠券發放優化：給定用戶補貼的預算，如何選擇合適的補貼用戶。
工廠布局優化：考慮如何減少物料搬運成本（運量和距離）。
倉庫選址問題：如何選擇服務點，滿足服務能力和降低運輸成本。
物流配送、車輛路徑調度：配送問題綜合建模與分析。