数据分析与处理技术作业指导书.docVIP

数据分析与处理技术作业指导书

TOC\o1-2\h\u13849第1章数据分析概述 3

211711.1数据分析的意义与价值 3

283231.2数据分析的主要流程与方法 4

21772第2章数据预处理 4

12402.1数据清洗 4

223542.1.1缺失值处理 4

229052.1.2异常值处理 5

186112.1.3重复数据删除 5

129702.2数据集成 5

173502.2.1数据合并 5

4132.2.2数据整合 5

66632.3数据变换 5

109212.3.1数据规范化 5

153792.3.2数据离散化 5

28342.3.3数据聚合 5

278592.4数据归一化与标准化 5

46132.4.1最小最大归一化 5

243162.4.2Z分数标准化 6

119372.4.3对数变换 6

6026第3章数据可视化 6

89513.1数据可视化原则与技巧 6

13163.1.1原则 6

31843.1.2技巧 6

316243.2常用数据可视化工具 7

133033.2.1Tableau 7

316033.2.2PowerBI 7

32863.2.3ECharts 7

129553.2.4Highcharts 7

161753.3可视化案例分析与实践 7

155473.3.1案例背景 7

172623.3.2数据处理 7

137623.3.3可视化实践 7

32303第4章描述性统计分析 8

283154.1频数与频率分析 8

21544.1.1频数分析 8

248844.1.2频率分析 8

281304.2集中趋势分析 8

96364.2.1均值 8

154024.2.2中位数 8

311404.2.3众数 8

201614.3离散程度分析 9

134994.3.1极差 9

268944.3.2四分位差 9

58284.3.3方差与标准差 9

300224.4分布形态分析 9

30064.4.1偏度 9

142164.4.2峰度 9

58964.4.3置信区间 9

32420第5章概率论与数理统计基础 9

269875.1随机变量与概率分布 9

267415.1.1随机变量 9

1725.1.2概率分布 10

157975.2假设检验 10

257255.2.1假设检验的基本概念 10

188615.2.2常见的假设检验方法 10

296885.3方差分析与回归分析 10

297485.3.1方差分析 10

41195.3.2回归分析 10

22744第6章数据降维与特征选择 11

48036.1数据降维的意义与方法 11

113086.2特征选择与特征提取 11

162306.3主成分分析（PCA） 11

21806.4线性判别分析（LDA） 12

310第7章分类与预测 12

178407.1分类与预测方法概述 12

113957.2决策树与随机森林 12

234137.2.1决策树 12

255547.2.2随机森林 12

32777.3逻辑回归与支持向量机 13

16867.3.1逻辑回归 13

190047.3.2支持向量机 13

324367.4神经网络与深度学习 13

275817.4.1神经网络 13

110737.4.2深度学习 14

9996第8章聚类分析 14

230648.1聚类分析方法概述 14

34218.2K均值聚类 14

39008.2.1算法步骤 14

296408.2.2优缺点 14

41258.3层次聚类 14

9948.3.1算法步骤 15

67168.3.2优缺点 15

241608.4密度聚类 15

101848.4.1算法步骤 15

183758.4.2优缺点 15

31258第9章时间序列分析 15

223669.1时间序列的基本概念 15

85229.1.1时间序列的组成 15

89699.1.2时间序列的特点 16

125939.1.3时