在R用户组织的主题为“R与预测分析科学”的panel会议上,有来自工业界的四位代表发表了讲话,介绍各自在工业界是如何应用R进行数据挖掘。他们分别是:
Bo Cowgill, Google
Itamar Rosenn, Facebook
David Smith, Revolution Computing
Jim Porzak, The Generations Network
他们分别介绍了在各个公司是如何使用R进行预测分析,R作为分析工具的优势和劣势,并且提供了学习案例,以下是对他们的介绍的相关总结。
Panel介绍
R作为一门编程语言在以下三个方面具有很强的优势:数据处理,统计和数据可视化。和其他数据分析工具不同的是,它是由统计学家开发的,它是免费的软件,并且可以通过用户开发的包进行扩展,目前大约有2000多个包在CRAN中。
很多包可以应用在预测分析中。Jim重点介绍了 Max Kuhn 的caret包,它提供了大量的分类和回归模型,包括神经网络和朴素贝叶斯模型。
BoCowgill, Google
根据Bo Cowgill 的介绍,R是google最流行的统计分析包,事实上,google也是R基础的捐助者。他讲述道:R的事情是,它是统计学家发明的。它最糟糕的事情是,它是统计学家发明的。无论如何,他很乐观地看待R开发者社区的发展,R文档也逐步在改进,它的性能也在逐步提高。
Google主要使用R进行数据探索和构建模型原型,它并不是应用在生产系统,在Bo的团队中,R主要运行在桌面环境中。Bo主要根据以下的流程使用R:(1)使用其他的工具提取数据;(2)将数据加载到R中;(3)使用R建模分析;(4)在生产环境中使用c 或者python实现结果模型。
ItamarRosenn, Facebook
Itamar介绍了facebook数据团队使用R的情况,他回答了新用户提数的两个问题:预测用户是否保持在某个数据点,如果他们停留,如何预测他们在三个月之后是否还会停留。
对于个问题,Itamar的团队使用递归划分推断出仅仅两个数据点被预测出来用户是否保留在facebook上:(1)新用户拥有多个会话;(2)输入用户基本信息时。
对于第二个问题,他们使用最小角度回归方法建立逻辑回归模型(lars包),根据三个类别的行为发现用户三个月的活动:(1)用户被其他用户访问的频率;(2)第三方应用程序使用的频率;(3)即将访问该站点的用户。
DavidSmith, Revolution Computing
David的公司,R改革计算,不仅仅使用R,而且R是他们的核心业务。David描述道:他们对R的贡献类似于redhat对linux 的贡献。他的公司处理使用R遇到的一些问题,例如,(1)支持老版本软件,即向下兼容;(2)通过他们的ParallelR套件可以支持并行计算。
David展示了他们的生命科学客户是如何使用R通过randomForest包对基因组数据集进行分类处理,以及如何使用他们的foreach包对分类树分析进行并行处理。
他还提到他们和其他公司合作将R应用在生产环境中,将特定的脚本放在服务器上,用户通过客户端调用该脚本进行数据处理。
JimPorzak, The Generations Network
Jim简单介绍了如何使用R进行市场分析。尤其是,Jim还使用flexclust为sun公司的客户数据进行聚类分析,并且应用该结果数据识别高价值销售的主导业务。
大数据时代数据分析的必备技能
——R数据挖掘与机器学习
时间:2017年7月22-24日 (三天)初级;7月26-28日 (三天)高级
地点:北京市海淀区首都体育学院
费用:
初级:3300元 / 2800元 (仅限全日制本科生及硕士研究生优惠价)
高级:3600元 / 3100元 (仅限全日制本科生和硕士研究生优惠价)
全程:6600元 / 5600元 (仅限全日制本科生和硕士研究生优惠价)
(食宿自理)
安排:上午9:00-12:00;下午2:00-5:00;答疑
方匡南老师,统计学教授,博士生导师,耶鲁大学博士后。主要研究:数据挖掘、应用统计。 2007年出版了国内本R语言中文教程《R语言统计分析软件简明教程》,并于2015年2月出版了《R数据分析:方法与案例详解》,该书在同类书籍中销售名列前茅,并被引入到台湾地区出版。有10多年的R语言使用经验和丰富的数据挖掘和机器学习实战经验。曾先后在在 Journal of Multivariate Analysis、Scientific Reports(Nature子刊)、Computational Statistics and Data Analysis等国内外权威期刊发表论文70多篇。先后主持了国家自然科学基金、国家社科基金等多个项目。承担了多个企业数据挖掘项目,有丰富的实战经验。
长期讲授《数据挖掘》、《机器学习》等课程,讲课生动活泼、深入浅出、以实际案例引出统计方法,再通过编程讲解实际操作和结果分析。
课程配套资料:
(1)提供一份精心准备的非常全面的R软件入门和数据挖掘与机器学习讲义。
(2)提供课程源代码1份和相应数据若干份。
Special大礼包:赠送方老师主讲的R初级和高级视频,价值1000元!
R简介:
R语言由新西兰奥克兰大学ross ihaka和robert gentleman 开发。R语言是自由软件,可以放心大胆地使用,且具有非常强大的统计分析和作图功能,而且更重要的是R软件具有非常丰富的网上资源,目前R软件有3000多种贡献包,几乎可以实现所有的统计方法,目前大部分的统计学家和计量经济学家都使用R语言,而且越来越多的数据分析实务人员也开始使用R语言。R语言具有简单易学,功能强大,体积小(仅40m左右),完全免费,可自由开发等特点,且R语言和S语言语法基本相同,绝大部分程序是互相兼容的。学习R软件正成为一种趋势。
R软件最优美的地方是它能够修改很多前人编写的包的代码做各种你所需的事情,实际你是站在巨人的肩膀上。——Google首席经济学家Hal Varian
学员对象:
金融、医疗、通讯、咨询、电子商务等领域的数据分析人员、数据挖掘工程师、数据科学家;
高校硕士生、博士生、青年教师等。
【初级班】
(1)让学员快速入门并熟练掌握R语言,掌握如何利用R丰富的网上资料和帮助系统,学会基本的编程方法。
(2)结合统计分析的思想和实际案例,深入浅出地讲解如何使用R语言进行实际数据的统计分析,让学员不仅掌握R语言的使用,更重要的是学会统计分析的思想。
(3)学完本课程后,使学员基本上可以使用R语言进行实际的统计分析工作。尤其学会使用R语言对批量处理的实务数据分析,大大提高工作效率。
【高级班】
(1)让学员快速入门并熟练掌握R语言,掌握如何利用R丰富的网上资料和帮助系统,学会高级的编程方法。
(2)本结合数据挖掘的思想和实际案例,深入浅出地讲解如何使用R语言进行实际数据挖掘。
(3)学完本课程后,使学员基本上可以使用R语言进行实际的数据挖掘工作,可以直接应聘各大公司的数据挖掘岗位。
培训内容目录:
【初级班】
专题名称 | 授课内容 |
第1讲 (3小时) R语言入门 | 目标:掌握R语言的基本用法 1.R语言介绍 2.编辑软件Rstudio使用 3.R程序包的载入与使用 4.数据对象及运算(向量、矩阵、数组、列表与数据框处理) |
第2讲(3小时) 数据读写 R基本编程 | 目标:掌握用R编写函数和数据的读写 1. R数据读入与读出 (读入txt、xls、SPSS、SAS、stata以及数据库文件) 2.R 函数编写 3.R的条件与循环函数 4.高效编程技巧介绍 5.利用R做迭代优化求解 |
第3讲(3小时) 数据预处理 探索性分析 | 目标:掌握数据预处理与探索性分析 1. 数据预处理 2. 缺失值处理 3. 随机数生成 4. 常用统计方法的蒙特卡洛模拟 5. 随机抽样 6.单变量数据分析与作图 7.双变量数据分析与作图 8.多变量数据分析与作图 案例1:统计作图在调查数据中的应用 案例2:统计作图在临床医学中的应用 |
第4讲(3小时) 数据挖掘与机器学习入门 KNN方法 | 目标:数据挖掘与机器学习入门介绍 1.何为数据挖掘与机器学习 2.数据挖掘与机器学习的主要研究内容 3.有监督学习与无监督学习区别 4.KNN方法 案例1:统计作图在调查数据中的应用 |
第5讲(3小时) 线性回归 | 目标:掌握线性回归方法与实际的建模分析 1. 一元线性回归 2.多元线性回归 3. 逐步回归 案例1:广告营销计划案例 案例2:信用卡债务预测案例 案例3:房价预测案例 |
第6讲(3小时) 线性分类方法 互动交流讨论 | 目标:掌握经典线性分类方法及其应用 1.Logistic模型 2.LDA判别分类 3.QDA判别分类 案例1:信用卡违约预测案例 案例2:股价涨跌方向预测案例 互动交流讨论 |
【高级班】
专题名称 | 授课内容 |
第1讲 重抽样方法 | 目标:掌握经典重抽样方法 1.验证集方法 2.交叉验证 3.Bootstrap方法 案例1:量化投资资产配置案例 案例2:汽车每加仑汽油里程数预测案例 |
第2讲(3小时) 决策树 组合预测 | 目标:掌握决策树和组合预测方法及其实际应用。 1.CART决策树 2.Bagging, 3.随机森林 4.Boosting算法 案例1:棒球运动员薪水预测案例 案例2:心脏病预测案例 案例3:信用卡违约预测案例 |
第3讲(3小时) 支持向量机 | 课程目标:掌握支持向量机分类方法 1.间隔分类器 2.支持向量分类器 3.支持向量机 案例1:基因表达数据案例 案例2:股票涨跌方向预测 |
第4讲(3小时) 变量选择与高维数据 | 课程目标:掌握数据挖掘中高维数据分析方法及其实际应用。 1.LASSO 2.SCAD 3.MCP 4.Group LASSO 案例1:基因筛选 案例2:股票选股 |
第5讲(3小时) 无监督学习 主成分分析 主成分回归 聚类分析 | 目标:掌握无监督学习方法及其应用。 1.主成分分析 2.主成分回归 3.Kmeans聚类分析 4.系统聚类分析 案例1:广告支出主成分分析 案例2:犯罪率主成分分析 案例3:学生考试成绩主成分分析 案例4:客户细分聚类案例 |
第6讲(3小时) 关联规则 互动交流讨论 | 目标:掌握大数据分析中常用的关联规则方法及其应用。 1.关联规则方法 2.Aprior算法 案例1:超市购物篮分析 案例2:杂货店商品推荐分析 |
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
以上优惠不叠加。
报名流程:
1:点击“我要报名”,网上填写信息提交,注明报全程还是阶段
2:给予反馈,确认报名信息
3:网上缴费
4:开课前一周发送课程电子版讲义,软件准备及交通住宿指南
联系方式:
魏老师
QQ:1143703950
Mail:vip@pinggu.org
Tel: 010-68478566