一、实验目的
通过deep大数据非IT版掌握可视化数据库界面的基本操作和数据分析
学会将数据导入数据库并抽取出表结构化数据
学会将抽取出来的数据进行筛选如“去重”、“变换非数值列”、“格式转化”等
学会将筛选出来的数据进行简单的分析如“逻辑回归”、“决策树回归”、“量化”等 学会将分析出来的数据可视化，如柱状图、折线图、饼图等
掌握将电子商务大数据收集、输入、抽取、筛选、分析并将其应用的相关技能
培养通过大数据分析方法调研网络营销环境的意识
培养使用数据为商品定价的思维
培养的网络广告营销思维、培养学生客户画像的思维
培养对用户进行聚类分析的思维、对评论进行数据分析挖掘隐藏信息
培养用大数据规避供应链风险的意识
培养电子商务培养学生对市场部门工作职能的认识
培养通过数据思维理解市场信息，做出决策的能力支付安全的意识
培养通过数据分析验证行业经验的意识
培养通过数据思维进行精准营销的意识与能力
培养数据挖掘的思维与能力、培养学生对数据的基本认知
培养对市场的基本认知、培养学生对数据的基本认知、建立通过数据观察市场表现的意识
加强对数据挖掘的基本认知、建立通过数据反映员工想法的意识
二、实验内容
1.用线性回归选择市场部门投放广告的方案
2.性别、收入、年龄对购买自行车的影响
3.用神经网络发现潜在购买自行车的客户
4.用决策树审核交通事故是否理赔
6.母婴电商数据分析
给料阀蛇退步7.电商用户访问行为分析
8.根据同类商品价格定价
9.预测二手车平台的价格
10.RFM用户聚类分析
11.用户评论分析
12.预测供应链订单是否会延期
13.利用多层感知机识别支付是否安全
三、实验步骤（包括所用实验设备及软件）与结果
大数据理论基础与应用实战
实验6 广告的预测
根据以往的广告数据制作回归分析并预测后续广告投放数据
步骤：
第1步
新建一个项目，并命名为“广告预告，在工作流节点面板添加一个数据源
第2步
将课程数据库命名为广告数据库，并将“advertising”以及“advertising_predict”抽取出来
第3步
将之前抽取出的“advertising”以及“advertising_predict”的数据分别导入进一个“转换”节点，并用“num assemble”组装起来，将组装训练数据导入到一个“线性回归模型”并将该算法落地 ，在预报节点拖拽出一个“predict”并选择“线性回归”算法，最后设置一个查看点，点击调试，查看结果，就可以得到通过线性回归预测出来的数据
视图预览
通过对工作流节点的查看，可以发现，我们是先通过一个课程数据导入数据，并将其命名
为“广告数据库“然后将其中的两个数据库抽取出来，再将这些数据分别拖入一个转换节点进行组装，组装所用到的是数据转换器当中的”num assemble“将需要组装的列依次拖入，然后将训练数据输入到一个线性回归模型当中，这样就可以通过predict进行预测了，将下面组装好的数据再输入一个转换节点，然后在数据转换器面板拖入一个predict，模型选择上面的线性回归，最后设置查看器，点击运行，就可以看到我们通过模型预测的结果。
预测结果
可以看到通过上面的流程运行以后，可以成功输出结果，这就是通过线性回归模型预测的在报纸/广播和电视等不同媒介上广告的数量分布。
项目7 精准营销
第1步
新建一个项目，并，命名为“精准营销“，在工作流节点面板添加一个数据源，默认名称为课程数据库，到本课程的名称，然后点击连接，到我们需要用到的数据“target mail”，然后将其抽取出来。
天巡一号
第2步云朵制造机
异形在工作流节点拖拽两个转换节点，一个命名为“离散化过程”，另一个命名为“计算年龄最大最小值”然后在数据转换器面板将年龄通过聚合的方式计算出年龄的最大值和最小值，具体方法是通过在聚合属性里选择“最大值”和“最小值”。然后在算法栏目里拖拽出一个“离散化”的算法，将之前抽取的课程数据库“target mail”数据导入进这个节点，设置好以后将其落地。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议