-
第1章 SPSS基础操作
1.1 读取数据文件
1.2 相关性分析
1.3 线性回归
1.4 时间序列分析
1.5 主成分与因子分析
1.6 聚类分析
-
第2章 基于KMeans聚类的客户流失分析
2.1 KMeans原理概述
2.2 变量特征与描述性分析
2.3 变量关联、标准化及聚类操作
2.4 分析结果解读
-
第3章 基于线性回归的医疗费用预测
3.1 线性回归原理概述
3.2 变量特征和数据探索
3.3 回归模型建立并检验
3.4 提升模型性能
-
第4章 决策树识别高风险银行贷款
4.1 决策树原理概述
4.2 案例数据解读
4.3 数据描述统计
4.4 生成决策树
4.5 模型准确性评价
4.6 决策树自变量的重要性
4.7 决策树剪枝
-
第5章 基于回归模型预测心脏病
5.1 逻辑回归概述
5.2 案例数据解读
5.3 案例数据编码
5.4 数据集拆分与逻辑回归模型
5.5 模型评估
5.6 模型优化
-
第6章 房屋数据集的主成分分析
6.1 主成分分析概述
6.2 案例数据解读
6.3 数据描述统计
6.4 主成分分析模型
6.5 主成分线性回归分析
-
第7章 时间序列
7.1 时间序列概述
7.2 序列图
7.3 简单指数平滑
7.4 Holt指数平滑
7.5 简单季节指数模型
7.6 Winter指数平滑
7.7 ARIMA模型
课程简介
本课程内容分为SPSS基础操作和算法模型应用两部分。
为什么用SPSS？这是针对数据分析初学者以及希望对数据有个宏观了解的业务经验者设计的，SPSS采用菜单式操作，操作门槛低，能让学习者精力集中在“数据分析”的这个主轴上，而不是被技术工具所牵绊。所以易用性上来说，SPSS比Python、R等软件更易上手掌握。在SPSS基础操作部分，课程带领学员学习SPSS最核心的知识点，快速掌握SPSS在数据分析中的操作使用。
机器学习原理数学公式是不太多，对初学者是不是太难？在课程第二部分——算法模型应用上，内容涉及机器学习模型原理，主要从该模型解决的问题入手，用通俗直白的语言解释。有理工背景的学员，学习起来不会太大的违和感，无理工背景的学员，也能知道其大体思想。配合丰富的案例实操，快速掌握SPSS在真实场景下的分析应用。
优秀学员/ Outstanding students
陈达安
CPDA广州第21期澳门区学员澳门警察部门就职从事数据分析工作
陈媚
CPDA海南第一期学员
马芳
CPDA河北石家庄学员 教师
郑晓蕾
CPDA济南第二期学员
许德明
CPDA济南第一期学员职于山东高速信息工程有限公司
谭思浩
CPDA南昌掘策第三期学员
高学志
CPDA北京第89期学员现从事汽车物流行业工作。
曾洲
CPDA北京第57期学员公众号【小白数据营】作者
某能源贸易公司任职数据分析经理
