簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• R語言
• 數據挖掘
• 數據分析
• 商業案例
• 項目實戰
• 統計分析
• 機器學習
• 數據科學
• 包郵
• 精解

店鋪： 藍墨水圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121319587

商品編碼：14500299389

用商業案例學R語言數據挖掘+R語言數據分析項目精解 理論方法實戰
9787121319587 9787121315732

用商業案例學R語言數據挖掘

一本麵嚮商業數據分析初學者的教材，從具體的商業數據分析案例入手，使讀者掌握數據挖掘的目的、理念、思路與分析步驟 ，， 著； 編

• 齣版社： 
• ISBN：9787121319587
• 版次：1
• 商品編碼：12225898
• 品牌：
• 包裝：平裝
• 開本：16開
• 齣版時間：2017-08-01
• 用紙：膠版紙
• 頁數：460

場景式設置
《用商業案例學R語言數據挖掘》對互聯網、電商、電信、銀行等商業案例進行精心歸納,提煉齣各類數據分析的運用場景，方便讀者查找與實際工作相似的問題。
開創式結構
《用商業案例學R語言數據挖掘》案例中的“解決方案”環節是對問題的解決思路解說，結閤“操作方法”環節中的步驟讓讀者更容易理解。“原理分析”環節則主要解釋所使用代碼的工作原理或者詳細解釋思路。“知識擴展”環節是對與案例相關的知識點的補充，既能拓展讀者的視野，同時也有利於理解案例本身的解決思路。
啓發式描述
《用商業案例學R語言數據挖掘》注重培養讀者解決問題的思路，以樸實的思維方式結閤啓發式的描述，幫助讀者發現、總結和運用規律，從而啓發讀者快速地找齣解決問題的方法。 商業智能時代已經全麵到來，分析型人纔的崗位數量在就業市場中呈現井噴式增長。無論是從事産品研發的工程師，還是從事産品推廣的市場人員、人力資源和財務會計人員，都需要掌握數據分析技術，否則很有可能被人工智能替代。
《用商業案例學R語言數據挖掘》包括18章，涉及使用R語言做數據分析和數據挖掘的主要分析方法。其中，第1、2章為數據分析方法概述，第3章為R語言編程基礎，第4章到第8章為統計學習方法，第9章到第16章為數據挖掘方法，第17章為特徵工程，第18章為R文本挖掘。每章都根據所涉及的知識點的不同，選取瞭實用的案例，並為讀者準備瞭相應的練習題。
《用商業案例學R語言數據挖掘》作為CDA數據分析師係列叢書中《如虎添翼》和《胸有成竹》的姊妹篇，將前兩本書的內容進行整閤並做瞭重大拓展，而且秉承瞭該係列叢書的特點：內容精煉、重點突齣、示例豐富、語言通俗。可以作為廣大從業人員自學商業數據分析的讀物，適閤大中專院校師生學習和閱讀，同時也可以作為高等院校商科、社會科學及相關培訓機構的教材。第1 章 商業數據分析基礎 1
1.1 商業數據分析的本質 1
1.2 商業數據分析中心的建設 3
第2 章 數據分析的武器庫 5
2.1 數據挖掘簡介 5
2.2 R 語言簡介 13
2.3 R 與RStudio 的下載和安裝 15
2.4 在RStudio 中安裝包 20
2.5 練習題 22
第3 章 R 語言編程 23
3.1 R 的基本數據類型 23
3.2 R 的基本數據結構 24
3.3 R 的程序控製 34
3.4 R 的函數 41
3.5 R 的日期與時間數據類型 42
3.6 在R 中讀寫數據 43
3.7 練習題 47
第4 章 R 描述性統計分析與繪圖 48
4.1 描述性統計分析 48
4.2 製圖的步驟 60
4.3 R 基礎繪圖包 63
4.4 ggplot2 繪圖 74
4.5 練習題 79
第5 章 數據整閤和數據清洗 80
5.1 數據整閤 80
5.2 R 中的高級數據整閤 96
5.3 R 中的抽樣 101
5.4 R 的數據清洗 103
5.5 練習題 110
第6 章 統計推斷基礎 111
6.1 基本的統計學概念 111
6.2 假設檢驗與單樣本t 檢驗116
6.3 雙樣本t 檢驗 119
6.4 方差分析（分類變量和連續變量關係檢驗） 121
6.5 相關分析（兩連續變量關係檢驗） 127
6.6 卡方檢驗（二分類變量關係檢驗） 134
6.7 練習題 137
第7 章 客戶價值預測：綫性迴歸模型與診斷 139
7.1 相關性分析 139
7.2 綫性迴歸 139
7.3 綫性迴歸診斷 150
7.4 正則化方法 159
7.5 練習題 169
第8 章 Logistic 迴歸構建初始信用評級 170
8.1 Logistic 迴歸的相關關係分析 170
8.2 Logistic 迴歸模型及實現 171
8.3 大熵模型與極大似然法估計 179
8.4 模型評估 187
8.5 練習題 193
第9 章 使用決策樹進行信用評級 195
9.1 決策樹建模思路 195
9.2 決策樹算法 197
9.3 在R 中實現決策樹 209
9.4 組閤算法（Ensemble Learning） 214
9.5 練習題 234
第10 章 神經網絡 235
10.1 神經元模型 235
10.2 人工神經網絡模型 237
10.3 單層感知器 239
10.4 BP 神經網絡 242
10.5 RBF 神經網絡 246
10.6 神經網絡設計與R 代碼實現 253
10.7 練習題 261
第11 章 分類器入門：近鄰域與貝葉斯網絡 263
11.1 分類器的概念 263
11.2 KNN 算法 264
11.3 樸素貝葉斯 269
11.4 貝葉斯網絡 273
11.5 練習題 281
第12 章 高級分類器：支持嚮量機 282
12.1 綫性可分與綫性不可分 282
12.2 綫性可分支持嚮量機 283
12.3 綫性支持嚮量機 291
12.4 非綫性支持嚮量機 297
12.5 R 中的支持嚮量機 303
12.6 練習題 306
第13 章 連續變量的維度歸約 307
13.1 維度歸約方法概述 307
13.2 主成分分析 308
13.3 因子分析 314
13.4 奇異值分解 320
13.5 對應分析和多維尺度分析 326
13.6 練習題 334
第14 章 聚類 336
14.1 聚類分析概述 337
14.2 聚類算法邏輯 337
14.3 層次聚類 339
14.4 k-means 聚類 342
14.5 基於密度的聚類 346
14.6 聚類模型的評估 349
14.7 高斯混閤模型（Gaussian Mixture Model） 352
14.8 客戶分群 364
14.9 練習題 379
第15 章 關聯規則與推薦算法 380
15.1 長尾理論 380
15.2 關聯規則 383
15.3 序貫模型 390
15.4 推薦算法與推薦係統 395
15.5 練習題 406
第16 章 時間序列建模 407
16.1 認識時間序列 407
16.2 簡單時間序列分析 409
16.3 平穩時間序列分析ARMA 模型 419
16.4 非平穩時間序列分析ARIMA 模型 434
第17 章 特徵工程（Feature Engineering）（博文視點官方網站下載） 446
17.1 特徵工程概述 446
17.2 數據預處理（Data Preprocessing） 447
17.3 特徵構造（Feature Construction） 460
17.4 特徵抽取（Feature Extraction） 461
17.5 特徵選擇（Feature Selection） 466
第18 章 R 文本挖掘（博文視點官方網站下載） 471
18.1 文本挖掘 471
18.2 文本清洗 473
18.3 中文分詞與文檔模型 476
18.4 文本的特徵選擇及相關性度量 481
18.5 文本分類 487
18.6 主題模型 489
18.7 綜閤案例 495
附錄A 數據說明（博文視點官方網站下載） 500

R 語言數據分析項目精解：理論、方法、實戰

 (作者)  

 

• 書 號：978-7-121-31573-2
• 齣版日期：2017-06-29
• 頁 數：352
• 開 本：16(185*235)

本書以互聯網電商企業為背景，抽象齣幾個工作中常見的分析問題，利用R語言和統計學技術給齣瞭詳細的解決方案和過程。本書一共九章，前兩章分彆為總論和R語言入門。此後各章分彆介紹瞭一個實際分析問題：運營指標搭建、指標監控係統、假設檢驗及AB Test、變量篩選技術、用戶畫像標簽、用戶潛在購買力以及文本挖掘等內容；涉及到的統計方法有：指標增長幅度量化方法、層次分析法、時間序列模型、基於正態分布的一元離群點檢驗、傅立葉譜分析、假設檢驗、主成份分析、因子分析、模糊聚類、無監督下連續型變量離散化、邏輯迴歸模型和文本挖掘。此外，提供瞭所有R語言實現代碼，總計33個自定義函數和數韆行代碼。
本書受眾群體為數據分析從業人員、産品運營人員、統計專業高校生以及R語言愛好者。

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆