预测分析：中间的预测分析（2019）

预测分析使用技术，如统计和机器学习，构建预测模型，通常使用大数据来测试和验证这些模型。探索预测分析和大数据的关键特征。

对于任何组织，预测分析迅速成为组织成功的关键组成部分。发现预测分析对各个行业的应用，以及所涉及的过程和角色。

预测分析涉及广泛的统计工具和方法，允许分析师建立强大的预测模型。探讨统计数据和概率理论在预测分析中的重要性。

在该9视频课程中探索机器学习预测分析，探索性数据分析和不同类型的数据集和变量。通过使用Python框架，了解如何实现预测模型并管理缺失的值和异常值。本课程中涵盖的主要概念包括预测分析，高级分析的分支及其过程流程，以及学习如何使用分析基础表来构建和得分分析模型。接下来，您将发现通过使用预测建模可以解决的业务问题;如何使用Python框架构建预测模型;并学习探索性数据分析的基本特征。然后了解数据集，与单个数据库的内容或单个统计数据矩阵相对应的数据集合，然后了解不同类型的数据集的变量，包括单变量，双变量和多变量数据和可以是的分析方法与他们实施。最后，您将了解可用于管理数据集中缺失值和异常值的方法。

探索如何使用机器学习功能选择，特征选择算法的一般类，以及预测建模最佳实践。在这一12次视频课程中，学习者通过使用Python了解如何使用Python实现带有散点图，Boxplots和Crosstab的预测模型。此处检查的主要概念包括特征选择的好处和特征选择算法的一般类别;可以实现和相关特征的不同类型的预测模型;以及如何实现散斑片和散斑平面的能力在促进预测中。接下来，您将了解Pearson的相关措施和Pearson相关性的可能范围;学会识别盒子的解剖结构，视觉表示给定数据集的统计五号摘要;并观察如何使用python创建和解释boxplots。然后看看如何实现交叉表可视化分类变量;学习用于预测建模的统计概念; and learn tree-based methods used to implement regression and classification. Finally, you will learn best practices for implementing predictive modeling.

这一13次视频课程探讨了机器学习预测分析，以及其应用程序如何推动收入，降低成本，并为企业提供竞争优势。学习者将遵守预测建模过程以及如何应用用于执行预测分析的工具和技术，以及如何使用历史数据来确定预测未来事件的趋势和模式。首先，您将了解预测建模过程，用于预测建模的统计概念和回归技术。本课程使用两个示例来展示通过检查决策树和SVM（支持向量机）来展示预测分析的常用方法。接下来，您将了解生存分析，市场篮子分析以及如何应用集群模型的数据。您将在预测分析中了解随机林，您将研究概率图形模型。了解分类模型，以及如何根据预测数据点的类组织成组的数据。最后，您将探索预测建模的一些最佳实践。