文档介绍：该【R语言商务数据分析教学大纲 】是由【1781111****】上传分享，文档一共【12】页，该文档可以免费在线阅读，需要了解更多关于【R语言商务数据分析教学大纲 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..语言商务数据分析实战》教学大纲语言商务数据分析实战课程类别:必修适用专业:大数据技术类相关专业总学时:80学时(苴中理论45学时,实验35学时)总学分:、课程的性质大数拯时代已经到来,在商业、经济及苴他领域中基于数据和分析去发现问题并做岀科学、客观的决策越来越重要。数据分析技术将帮助企业用户在合理时间内获取、管理、处理以及整理海量数据,为企业经营决策提供积极的帮助。有实践经验的数据分析人才已经成为了各企业争夺的热门。为了推动我国大数据,云计算,人工智能行业的发展,满足日益增长的数据分析人才需求,特开设R语言商务数据分析实战课程。二、课程的任务通过本课程的学****使学生学会分析案例的流程,使用R语言实现流程的每一个步骤,包括数据合并、数据淸洗、数据变换、模型构建、模型评价等,掌握APrlon算法、K-MeaaS算法、灰色预测算法、SVR算法、GBM算法、协同过滤算法的应用,以及ARIMA模型和LDA模型的应用。将理论与实践相结合,为将来从事数据分析挖掘研究、工作奠左基础。课程学时分配序号教学内容理论学时实验学时其它:..第1章R语言数据分析概述22第2章商品零售购物篮分析32:..第3章航空公司客户价值分析43:..第章财政收入预测分析435第5章金融服务机构资金流量预测536第6章P2P信用贷款风险控制547第7章电子商务网站智能推荐服务658第8章电商产品评论数拯情感分析659第9章餐饮企业综合分析1010总汁4535四、教学内容及学时安排理论教学序章节名称主要内容教学目标学时号1?、?:..1?,--MeallS算法对航空客户进行分户的客户价值,?&?,?,,并计算误差与得分:..?,、用户信息信息的方法与步骤修改情况、区域经济发展情况、?,插补数值型特征还款的关键因素缺失值与筛选冗余特征6?使用GBM算法预测&了解GBM算法的基本原理,优缺点,:..,,,?对某网站数据进行情况得到网页排划的统讣分析预处理,包括数据去重、&,并对其进行还对某网站进行智能推荐原,,,:..,、,查看分词效果4??对情感词的倾向进行修正5?、,【44-/V4-CA+FHA:..***,并对热销度进行Mm-,?构建AR1MA模型,,?,,,计算客户4?使用协同过滤算法餐饮企业综合分10与客户Z间的相似度,,-MealIS算篮数据,然后构建二元矩阵,,统讣进行客户流失预测得到的热销度和毛利率,及菜品详情表的主推度,,-,,构建决策树模型学时合计45?实验教学2:..,实验项目名称实验要求学时统计每种商品的频数、占比:对商品归类,统计每种类別的商品零售购物篮12频数,并类别内部商品的分布;使用apnon函数进行关联分分析析使用删除法对缺失值与异常值进行处理:构建LRFMC五个航空公司客户价23特征,并进行标准化处理;用K-Means聚类算法对客户数据值分析进行客户分群,聚成五类分析财政收入数据%特征的相关性;使用LaSSO回归选取财政收入预测分财政收入预测的关键特征:分别使用灰色预测和SVR构33析建财政收入预测模型:评价SVR模型对数据进行平稳性检验和处理:对处理后的平稳序列进行纯金融服务机构资43随机性检验;对处理后的平稳序列进行模型泄阶;对模型进金流量预测行残差检验,并评估模型;拟合相对最优模型画图分别展示用户信息完善程度、用户信息修改情况、区域经济发展情况、借款月份情况分别与逾期率的分布:分别求取每位用户对应编号的最大值、最小值、屮位数、标准差:P2P信用贷款风54对登录信息表与更新信息表进行长宽表转换:针对类别型特险控制征进行字符串处理和哑变量处理:处理数值型数据的缺失值:筛选冗余特征;构建GBM模型,并绘制特征重要性图:评价GBM模型使用RMySQL包中的dbConnect连接数据库:统计101、107和199等网页类型;统计用户在网页的点击次数;分析电子商务网站智65网页排名;删除不符合规则的网页:还原翻页网址:划分正能推荐服务确的网页类型:将处理后的数据转换成0-1二元型数据;构建智能推荐模型;评价智能推荐模型获取评论页而页而网页源码:解析JSON数据:循环爬取评电商产品评论数论数据:去重完全重复的评论:淸洗数据:对评论数据进行75据情感分析分词,并进行词性标注、去除停用词;提取含划词的评论数据;绘制词云,查看分词效果:将情感词表:..对情感值的方向进行修正,并计算情感分析的准确率;分别对正而评论和负面评论绘制词云,査看情感分析效果;对正面情感词与负而情感词构建语料库,并建立文档-词条矩阵;使用主题模型,找岀不同主题数下的主题词,寻找最优主题数:进行LDA主题分析统计每日用餐人数和销售额,计算菜品热销度和毛利率:对原序列进行平稳性检验和纯随机性检验,对ARIMA模型进行宦阶,并进行残差检验,计算平均误差:对订单表和订单详情表进行特征选取,分别使用ItemCF算法和USerCF算法构建模餐饮企业综合分810型,进行离线测试评价:基于特征选取后的数据构建购物篮数析拯,构建APriOri模型,计算综合评分:再构建客户价值分析的关键特征,确定聚类数后构建K-MeanS模型:合并客户信息表和订单表,构建客户流失特征,构建决策树模型,并对模型进行评价学时合计35五、考核方式突出学生解决实际问题的能力,加强过程性考核。课程考核的成绩构成二平时作业(10%)+课堂参与(20%)+期末考核(70%),期末考试建议采用开卷形式,试题应包括数据合并、数据淸洗、数据变换、模型构建、模型评价等部分,题型可采用判断题、选择、简答、应用题等方式。:...教材语言商务数据分析实战?参考资料2R语言数据分析与挖掘实战R语言与数据挖掘