数据挖掘——数据分析挖掘体系

  • 数据分析挖掘体系
    • 分析工具
    • 数据探索
      • 1 数据质量分析
        • 11 缺失值分析
        • 12 异常值分析
        • 13 一致性分析
      • 2 数据特征分析
        • 21 分布分析
        • 22 对比分析
        • 23 统计量分析
        • 24 周期性分析
        • 25 贡献度分析
        • 26 相关性分析
    • 数据预处理
      • 1 数据清洗
        • 11 缺失值处理
        • 12 异常值处理
      • 2 数据集成
        • 21 实体识别
        • 22 冗余性识别
      • 3 数据变换
        • 31 函数变换
        • 32 规范化
        • 33 连续属性离散化
        • 34 属性构造
        • 35 小波变换
      • 4 数值规约
        • 41 直方图
        • 42 聚类
        • 43 抽样
        • 44 参数回归
    • 分析挖掘
      • 1 假设检验
        • 11 分布类型检验
        • 12 t检验
        • 13 非参数检验
        • 14 卡方检验
      • 2 方差分析
      • 3 回归分析
      • 4 主成分分析
      • 5 因子分析
      • 6 典型相关分析
      • 7 对应分析
      • 8 多维尺度分析
      • 9 信度分析
      • 10 生存分析
      • 11 分类预测
      • 12 聚类分析
      • 13 关联规则
      • 14 时间序列分析
      • 15 灰色理论
    • 数据展现

数据分析挖掘体系

1 分析工具

  • [x] SPSS
  • [x] Clementine
  • [x] Eviews
  • [x] R
  • [x] Excel
  • [x] Matlab
  • [] Stata
  • [] SAS
  • [] Tableau
  • [x] SQL Server
  • [x] Python

2 数据探索

2.1 数据质量分析

2.1.1 缺失值分析

2.1.2 异常值分析

2.1.3 一致性分析

2.2 数据特征分析

2.2.1 分布分析

2.2.2 对比分析

2.2.3 统计量分析

2.2.4 周期性分析

2.2.5 贡献度分析

2.2.6 相关性分析

3 数据预处理

3.1 数据清洗

3.1.1 缺失值处理

3.1.2 异常值处理

3.2 数据集成

3.2.1 实体识别

3.2.2 冗余性识别

3.3 数据变换

3.3.1 函数变换

3.3.2 规范化

3.3.3 连续属性离散化

3.3.4 属性构造

3.3.5 小波变换

3.4 数值规约

3.4.1 直方图

3.4.2 聚类

3.4.3 抽样

3.4.4 参数回归

4 分析挖掘

4.1 假设检验

4.1.1 分布类型检验

  • 正太分布检验
  • 二项分布检验
  • 游程检验

4.1.2 t检验

4.1.3 非参数检验

4.1.4 卡方检验

4.2 方差分析

  • 单因素方差分析
  • 多因素方差分析
  • 协方差分析

4.3 回归分析

  • 一元回归分析
  • 多元回归分析
  • 逻辑回归分析

4.4 主成分分析

4.5 因子分析

4.6 典型相关分析

4.7 对应分析

4.8 多维尺度分析

  • MDS模型

4.9 信度分析

4.10 生存分析

  • COX模型

4.11 分类预测

4.12 聚类分析

4.13 关联规则

4.14 时间序列分析

4.15 灰色理论

5 数据展现

你可能感兴趣的:(数据挖掘)