☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

大數據專傢張良均領銜暢銷書作者團隊，教育部長江學者特聘教授、國傢傑齣青年基金獲得者、IEEE Fellow、華南理工大學計算機與工程學院院長張軍傾力推薦。
本書采用瞭以任務為導嚮的教學模式，按照解決實際任務的工作流程路綫，逐步展開介紹相關的理論知識點，推導生成可行的解決方案，落實在任務實現環節。
全書大部分章節緊扣任務需求展開，不堆積知識點，著重於解決問題時思路的啓發與方案的實施。通過從任務需求到實現這一完整工作流程的體驗，幫助讀者真正理解與消化R語言數據分析。
書中案例全部源於企業真實項目，可操作性強，引導讀者融會貫通，並提供源代碼等相關學習資源，幫助讀者快速掌握R語言數據分析相關技能。

內容簡介

本書以任務為導嚮，較為全麵地介紹瞭商務領域中R語言數據分析的應用。全書共9章，介紹商務領域不同方嚮項目的數據分析方法，具體內容包括R語言數據分析概述、商品零售購物籃分析、航空公司客戶價本書以任務為導嚮，較為全麵地介紹瞭商務領域中R語言數據分析的應用。全書共9章，介紹商務領域不同方嚮項目的數據分析方法，具體內容包括R語言數據分析概述、商品零售購物籃分析、航空公司客戶價值分析、財政收入預測分析、金融服務機構資金流量預測、P2P信用貸款風險控製、電子商務網站智能推薦服務、電商産品評論數據情感分析、餐飲企業綜閤分析。除第 1章外，本書各章都包含瞭實訓與課後習題，通過練習和操作實踐，幫助讀者鞏固所學的內容。值分析、財政收入預測分析、金融服務機構資金流量預測、P2P信用貸款風險控製、電子商務網站智能推薦服務、電商産品評論數據情感分析、餐飲企業綜閤分析。本書的每個章節都包含瞭實訓與課後習題，通過練習和操作實踐，幫助讀者鞏固所學的內容。

作者簡介

張良均，高 級信息係統項目管理師，泰迪杯全國大學生數據挖掘競賽（www.tipdm.org）發起人。華南師範大學、廣東工業大學兼職教授，廣東省工業與應用數學學會理事。兼有大型高科技企業和高校的工作經曆，主要從事大數據挖掘及其應用的策劃、研發及谘詢培訓。全國計算機技術與軟件專業技術資格（水平）考試繼續教育和CDA數據分析師培訓講師。發錶數據挖掘相關論文數二十餘篇，已取得國傢發明專利12項，主編《Hadoop大數據分析與挖掘實戰》《Python數據分析與挖掘實戰》《R語言數據分析與挖掘實戰》等多本暢銷圖書，主持並完成科技項目9項。獲得SAS、SPSS數據挖掘認證及Hadoop開發工程師證書，具有電力、電信、銀行、製造企業、電子商務和電子政務的項目經驗和行業背景。行、製造企業、電子商務和電子政務的項目經驗和行業背景。

目錄

第 1章　R語言數據分析概述　1
任務1．1　認識數據分析　1
1．1．1　掌握數據分析的概念　1
1．1．2　熟悉數據分析的流程　2
1．1．3　瞭解數據分析應用場景　4
任務1．2　熟悉R語言數據分析工具　5
1．2．1　瞭解數據分析常用工具　6
1．2．2　瞭解R語言數據分析的優勢　6
1．2．3　瞭解R語言數據分析常用的Packages　7
小結　10
課後習題　10
第 2章　商品零售購物籃分析　12
任務2．1　瞭解購物籃分析　12
2．1．1　分析商品零售企業現狀　12
2．1．2　瞭解某商品零售企業基本數據情況　13
2．1．3　熟悉購物籃分析的步驟與流程　13
任務2．2　分析商品銷售狀況　14
2．2．1　分析熱銷商品　14
2．2．2　分析商品結構　15
2．2．3　任務實現　17
任務2．3　使用Apriori關聯規則構建購物籃分析模型　18
2．3．1　瞭解Apriori算法的基本原理與使用方法　18
2．3．2　分析結果　23
2．3．3　任務實現　24
小結　24
實訓　使用Apriori算法對西餅屋訂單進行關聯分析　25
課後習題　25
第3章　航空公司客戶價值分析　28
任務3．1　瞭解航空公司現狀與客戶價值分析　28
3．1．1　瞭解航空公司現狀　28
3．1．2　瞭解客戶價值分析　30
3．1．3　熟悉航空客戶價值分析的步驟與流程　30
任務3．2　預處理航空客戶數據　31
3．2．1　處理數據缺失值與異常值　31
3．2．2　構建航空客戶價值分析的關鍵特徵　31
3．2．3　標準化LRFMC的5個特徵　35
3．2．4　任務實現　36
任務3．3　使用K-Means算法進行客戶分群　37
3．3．1　瞭解K-Means聚類算法　37
3．3．2　分析聚類結果　38
3．3．3　模型應用　41
3．3．4　任務實現　42
小結　43
實訓　43
實訓1　處理信用卡數據異常值　43
實訓2　構造信用卡客戶風險評價關鍵特徵　45
實訓3　構建K-Means聚類模型　45
課後習題　46
第4章　財政收入預測分析　48
任務4．1　瞭解財政收入預測的背景與方法　48
4．1．1　分析財政收入預測背景　48
4．1．2　瞭解財政收入預測的方法　50
4．1．3　熟悉財政收入預測的步驟與流程　51
任務4．2　分析財政收入數據特徵的相關性　51
4．2．1　瞭解相關性分析　51
4．2．2　分析計算結果　52
4．2．3　任務實現　53
任務4．3　使用Lasso迴歸方法選取財政收入預測的關鍵特徵　53
4．3．1　瞭解Lasso迴歸方法　53
4．3．2　分析Lasso迴歸結果　54
4．3．3　任務實現　54
任務4．4　使用灰色預測和SVR構建財政收入預測模型　55
4．4．1　瞭解灰色預測算法　55
4．4．2　瞭解SVR算法　56
4．4．3　分析預測結果　58
4．4．4　任務實現　60
小結　61
實訓　61
實訓1　求取企業所得稅各特徵間的相關係數　61
實訓2　選取企業所得稅預測關鍵特徵　62
實訓3　構建企業所得稅預測模型　62
課後習題　62
第5章　金融服務機構資金流量預測　64
任務5．1　瞭解金融服務機構現狀與資金流量預測　64
5．1．1　分析金融服務機構現狀　64
5．1．2　認識資金流量預測　65
5．1．3　熟悉金融服務機構資金流量預測的步驟與流程　66
任務5．2　檢驗數據的平穩性　67
5．2．1　檢驗平穩性　67
5．2．2　處理非平穩序列　69
5．2．3　任務實現　71
任務5．3　檢驗數據的純隨機性　72
5．3．1　瞭解純隨機性檢驗　73
5．3．2　檢驗純隨機性　73
5．3．3　任務實現　74
任務5．4　建立ARIMA模型　74
5．4．1　瞭解ARIMA模型　74
5．4．2　識彆模型階數　75
5．4．3　建立ARIMA模型　76
5．4．4　任務實現　81
小結　83
實訓　83
實訓1　檢驗資金贖迴數據的平穩性與純隨機性　83
實訓2　識彆資金贖迴數據集的階數　83
實訓3　構建ARIMA模型　83
課後習題　84
第6章　P2P信用貸款風險控製　85
任務6．1　認識P2P信貸行業的風險控製　85
6．1．1　分析P2P信貸行業的現狀　86
6．1．2　瞭解某P2P平颱數據情況　86
6．1．3　熟悉用戶逾期預測的步驟與流程　87
任務6．2　探索P2P信貸用戶逾期的相關因素　88
6．2．1　分析用戶信息完善程度與逾期率的關係　88
6．2．2　分析用戶信息修改情況與逾期率的關係　89
6．2．3　分析用戶所在區域經濟發展情況與逾期率的關係　90
6．2．4　分析藉款月份與逾期率的關係　91
6．2．5　任務實現　92
任務6．3　預處理P2P信貸用戶數據　95
6．3．1　使用第三方平颱信息構建新特徵　95
6．3．2　對登錄信息錶與更新信息錶進行長寬錶轉換　95
6．3．3　清洗P2P信貸數據　97
6．3．4　任務實現　98
任務6．4　構建用戶逾期還款概率預測模型　107
6．4．1　瞭解GBM算法　107
6．4．2　評價GBM模型　108
6．4．3　分析結果　109
6．4．4　任務實現　109
小結　111
實訓　111
實訓1　探索某銀行貸款數據規律　111
實訓2　預處理某銀行貸款數據　111
實訓3　使用GBM算法構建信貸審批模型　111
課後習題　112
第7章　電子商務網站智能推薦服務　113
任務7．1　瞭解某網站現狀與智能推薦係統　113
7．1．1　分析某網站現狀　113
7．1．2　瞭解智能推薦服務　115
7．1．3　熟悉網站智能推薦的步驟與流程　116
任務7．2　使用R連接數據庫並提取數據　117
7．2．1　訪問數據庫　117
7．2．2　任務實現　118
任務7．3　統計網頁整體流量狀況　118
7．3．1　分析網頁類型　119
7．3．2　分析網頁點擊次數　122
7．3．3　分析網頁排名　123
7．3．4　任務實現　124
任務7．4　預處理網頁瀏覽數據　130
7．4．1　刪除不符閤規則的網頁　130
7．4．2　還原翻頁網址　131
7．4．3　劃分正確的網頁類彆　131
7．4．4　選擇用戶和用戶訪問網頁記錄　132
7．4．5　任務實現　133
任務7．5　構建智能推薦模型　136
7．5．1　瞭解協同過濾算法　136
7．5．2　評價智能推薦模型　139
7．5．3　分析模型結果　142
7．5．4　任務實現　142
小結　144
實訓　實現MovieLense電影數據的智能推薦　144
實訓1　清洗MovieLense原始數據　144
實訓2　構建MovieLense智能推薦模型　144
實訓3　評估推薦係統模型　145
課後習題　145
第8章　電商産品評論數據情感分析　147
任務8．1　瞭解電商企業現狀與文本情感分析流程　147
8．1．1　分析電商企業現狀　147
8．1．2　瞭解電商産品評論數據　148
8．1．3　實現電商評論數據情感分析的步驟與流程　149
任務8．2　獲取電商産品評論數據　149
8．2．1　瞭解R語言獲取網絡數據的方法　149
8．2．2　瞭解數據獲取的方法　151
8．2．3　任務實現　153
任務8．3　對電商産品評論數據進行預處理　156
8．3．1　去除評論數據中的重復數據　156
8．3．2　清洗評論數據　156
8．3．3　對評論數據進行分詞　157
8．3．4　去除停用詞　158
8．3．5　提取有意義的評論　159
8．3．6　繪製詞雲查看分詞效果　160
8．3．7　任務實現　162
任務8．4　評論數據情感傾嚮分析　163
8．4．1　匹配情感詞　164
8．4．2　修正情感傾嚮　164
8．4．3　檢驗情感分析效果　164
8．4．4　任務實現　165
任務8．5　使用LDA模型進行主題分析　169
8．5．1　瞭解LDA主題模型　169
8．5．2　尋找最 優主題數　171
8．5．3　進行LDA主題分析　171
8．5．4　評價主題分析結果　172
8．5．5　任務實現　173
小結　176
實訓　176
實訓1　清洗酒店評論原始數據　176
實訓2　對酒店評論數據進行預處理　176
實訓3　使用LDA模型建模並分析酒店評論　177
課後習題　177
第9章　餐飲企業綜閤分析　179
任務9．1　瞭解餐飲企業分析需求　179
9．1．1　分析餐飲企業現狀與需求　180
9．1．2　瞭解餐飲企業數據基本狀況　181
9．1．3　熟悉餐飲企業數據分析的步驟與流程　183
任務9．2　統計餐飲菜品數據　184
9．2．1　統計每日用餐人數與銷售額　184
9．2．2　統計菜品熱銷度　190
9．2．3　統計菜品的毛利率　191
9．2．4　任務實現　192
任務9．3　使用ARIMA算法預測銷售額　194
9．3．1　檢驗平穩性和純隨機性　194
9．3．2　構建ARIMA模型　196
9．3．3　任務實現　198
任務9．4　使用協同過濾算法實現菜品的智能推薦　201
9．4．1　選取特徵　202
9．4．2　使用基於物品的智能推薦算法進行推薦　202
9．4．3　瞭解基於用戶的智能推薦算法　203
9．4．4　分析協同過濾結果　203
9．4．5　任務實現　204
任務9．5　使用Apriori算法實現菜品的關聯分析　207
9．5．1　構建Apriori模型　207
9．5．2　分析關聯規則結果　209
9．5．3　任務實現　210
任務9．6　使用K-Means算法進行客戶價值分析　214
9．6．1　構建關鍵特徵　214
9．6．2　構建K-Means模型　214
9．6．3　分析K-Means模型結果　215
9．6．4　任務實現　217
任務9．7　用決策樹算法實現餐飲客戶流失預測　219
9．7．1　瞭解客戶流失　219
9．7．2　瞭解決策樹算法　220
9．7．3　構建客戶流失特徵　221
9．7．4　分析決策樹模型結果　223
9．7．5　任務實現　223
小結　226
實訓　226
實訓1　使用ARIMA模型預測網站訪問量　226
實訓2　使用決策樹算法實現運營商客戶流失預測　227
實訓3　使用協同過濾算法實現網站的智能推薦　227
實訓4　使用Apriori算法實現網站的關聯分析　227
實訓5　使用K-Means算法實現運營商客戶價值分析　228
課後習題　228
R語言商務數據分析實戰 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

推薦給想學習的人士繼續買此類書。

評分☆☆☆☆☆

內容豐富,條理清晰,很有幫助

評分☆☆☆☆☆

書寫的比較粗糙，水平一般

評分☆☆☆☆☆

很不錯的書，紙張印刷可以

評分☆☆☆☆☆

內容清楚，講解到位，容易上手，適閤初學者學習。

評分☆☆☆☆☆

書寫的比較粗糙，水平一般

評分☆☆☆☆☆

不錯不錯，很不錯。。。。。

評分☆☆☆☆☆

介紹的不是很詳細

評分☆☆☆☆☆

大數據Hadoop教材，寫的很詳細，質量很好，超級贊

類似圖書 點擊查看全場最低價