R 商業預測與應用

節目介紹
  • 1-1 熟悉R，RStudio進階操作
    約11 分鐘
  • 1-2 資料框物件的操作技巧
    約16 分鐘
  • 1-3 理解「()、[]、{}、[[、@、::」 常用特殊符號
    約7 分鐘
  • 1-4 符號 %>% 應用
    約9 分鐘
  • 1-5 符號 %in% 應用
    約2 分鐘
  • 1-6 如何使用SQL進行資料處理
    約10 分鐘
  • 1-7 篩選特定字串的正規表示式應用
    約13 分鐘
  • 1-8 好用的字串處理stringr套件
    約13 分鐘
  • 2-1 機器學習簡介
    約6 分鐘
  • 2-2 機器學習CRISP-DM標準流程
    約7 分鐘
  • 2-3 特徵工程內涵(資料預處理、轉換與選擇)
    約18 分鐘
  • 2-4 數值預測模型評估指標
    約9 分鐘
  • 2-5 分類預測模型評估—混淆矩陣
    約13 分鐘
  • 2-6 分類預測模型評估—ROC曲線
    約9 分鐘
  • 2-7 分類預測模型評估—AUC應用
    約5 分鐘
  • 2-8 基礎K-Means集群法應用
    約5 分鐘
  • 2-9 階層式集群法應用
    約21 分鐘
  • 2-10 密度集群法應用
    約7 分鐘
  • 2-11 客戶RFM區隔分析整合應用
    約22 分鐘
  • 2-12 關聯規則與最佳銷售產品組合應用
    約22 分鐘
  • 2-13 中文斷字與主題模型預測應用
    約34 分鐘
  • 3-1 一定要會使用的多元線性迴歸
    約20 分鐘
  • 3-2 脊迴歸與LASSO迴歸應用
    約16 分鐘
  • 3-3 廣義線性模型於客戶流失預測分析
    約29 分鐘
  • 3-4 天真貝氏法應用
    約6 分鐘
  • 3-5 簡單K近鄰法
    約14 分鐘
  • 3-6 決策樹於信用卡分析應用
    約24 分鐘
  • 3-7 條件決策樹應用
    約6 分鐘
  • 3-8 隨機森林法於信用風險建模應用
    約20 分鐘
  • 3-9 支持向量機應用
    約8 分鐘
  • 3-10 類神經網路應用
    約14 分鐘
  • 3-11 半監督式學習應用
    約7 分鐘
  • 3-12 集成學習應用
    約10 分鐘
  • 3-13 練習案例1：人力資源保留預測模型
    約20 分鐘
  • 4-1 財金資料匯入與匯出
    約16 分鐘
  • 4-2 財金資料視覺化應用
    約10 分鐘
  • 4-3 基礎移動平均與指數平滑法
    約17 分鐘
  • 4-4 時間序列ARIMA與GARCH模型應用
    約25 分鐘
  • 4-5 向量自我迴歸於股價預測應用
    約14 分鐘
  • 4-6 練習案例2：台指期tick預測模型
    約8 分鐘
重複播放
  • 電話：(02) 5571-3636
  • 傳真：(02) 5571-3535
  • 地址：100台北市中山區中山北路二段50巷21號3樓

網頁閒置太久，網站已將您登出，請點選以下按鈕進行登入。

登入 取消
  • 電話：(02) 5571-3636
  • 傳真：(02) 5571-3535
  • 地址：100台北市中山區中山北路二段50巷21號3樓