◼ 3.1 数据的预处理 ◼ 3.2 品质数据的整理与显示 ◼ 3.3 数值型数据的整理与显示 ◼ 3.4 合理使用图表

1. 通过一学期的课程学习，学会获取各种统计（对象）数据的获取方法。 2. 通过一学期的课程学习，学会获取各种统计（对象）数据的前期分析和预处理方法。 3. 面对获取统计数据，学会选择合适的方法，继而进行统计分析及下结论

• 项目概况 • 耐热导线生产质量数据预处理 • 耐热铝线质量检测数据分析

• 火锅相关数据抓取 • 数据预处理 • 数据分析 – 海底捞运营分析 – 店铺选址分析 • 菜品关联分析 • 用户评论和评分的关联分析 • 顾客情感分析

• 香水销售数据预处理 • 香水销售数据统计分析 • 影响香水销量的因素分析 • 香水适用场所关联分析 • 香水聚类分析 • 香水营销建议

数据分析中，可通过各种可视化的图形，从多个维度、多个层次展示企业商务的执行情况，发现可能存在的问题或潜在危机，并预测未来业务发展的趋势。也可以发现数据的一些质量问题、分布特点，可以为进一步数据挖掘做预处理

• 高危人员分析需求 • 高危人群的相关数据收集与预处理 • 建立模型

• 业务理解 • 数据理解 • 数据质量问题与预处理 • 数据分析常见陷阱 • 数据分析方法的选择 • 数据分析结果的评价 • 数据分析团队的组建 • 数据分析人才培养的难题

一、分治策略 二、分治法示例 二分检索 求两个非降序列合并后的中位数 统计逆序对 三、降低递归算法复杂性的途径  代数变换减少子问题个数  预处理减少递归的操作 四、分治法的时间代价分析 五、各类算法比较

§3.1 数据的预处理 §3.2 分类和顺序数据的整理与显示 §3.3 数值型数据的整理与显示 §3.4 统计表