收藏
课程目录
1.1 大数据概念和内涵
1.2 大数据的思维
1.3 大数据的应用
1.4 大数据处理的流程
2.1 降维的准备工作
2.2.1 常用的降维方法（1）
2.2.2 常用的降维方法（2）
2.3 因子分析
2.4 降维分析的二元操作
2.5 主成分分析
3.1 聚类的经济学需求
3.2.1 聚类的原理与算法
3.2.2 层次聚类
3.2.3 模糊聚类
3.2.4 自组织映射神经网络
3.3.1 聚类的金融案例（1）
3.3.2 聚类的金融案例（2）
4.1 理论与算法
4.2 R语言实践
4.3 案例分析
5.1 可视化理论
5.2 基本作图
6.1 爬虫理论
6.2 静态网页本地化
6.3 静态网页解析
6.4 截取通信
6.5 动态网页
6.6 API获取
7.1 特征工程理论
7.2 结构化与缺失值处理
7.3 改变分布
7.4 特征选择
7.5 总结讨论
8.1 自然语言处理
8.2 文本预处理
8.3 词袋模型
8.4 主题模型与词向量模型
8.5 主题模型实践
1.2 大数据的思维
1.3 大数据的应用
1.4 大数据处理的流程
2.1 降维的准备工作
2.2.1 常用的降维方法（1）
2.2.2 常用的降维方法（2）
2.3 因子分析
2.4 降维分析的二元操作
2.5 主成分分析
3.1 聚类的经济学需求
3.2.1 聚类的原理与算法
3.2.2 层次聚类
3.2.3 模糊聚类
3.2.4 自组织映射神经网络
3.3.1 聚类的金融案例（1）
3.3.2 聚类的金融案例（2）
4.1 理论与算法
4.2 R语言实践
4.3 案例分析
5.1 可视化理论
5.2 基本作图
6.1 爬虫理论
6.2 静态网页本地化
6.3 静态网页解析
6.4 截取通信
6.5 动态网页
6.6 API获取
7.1 特征工程理论
7.2 结构化与缺失值处理
7.3 改变分布
7.4 特征选择
7.5 总结讨论
8.1 自然语言处理
8.2 文本预处理
8.3 词袋模型
8.4 主题模型与词向量模型
8.5 主题模型实践
课程详情
本课程内容包含大数据金融原理、金融数据降维处理、聚类分析及其金融应用、关联规则分析、金融数据可视化、网络数据采集、特征工程及其金融应用以及文本分析初步等内容。
本课程内容包含大数据金融原理、金融数据降维处理、聚类分析及其金融应用、关联规则分析、金融数据可视化、网络数据采集、特征工程及其金融应用以及文本分析初步等内容。
本课程内容包含大数据金融原理、金融数据降维处理、聚类分析及其金融应用、关联规则分析、金融数据可视化、网络数据采集、特征工程及其金融应用以及文本分析初步等内容。
