用商业案例学R语言数据挖掘

定　价：¥69.00

作　者：	常国珍，曾珂，朱江著；经管之家编
出版社：	电子工业出版社
丛编项：
标　签：	>计算机/网络 >数据仓库与数据挖掘 >数据库

购买这本书可以去

ISBN：	9787121319587	出版时间：	2017-08-01	包装：	平装
开本：	16开	页数：	460	字数：

内容简介

　　商业智能时代已经全面到来，分析型人才的岗位数量在就业市场中呈现井喷式增长。无论是从事产品研发的工程师，还是从事产品推广的市场人员、人力资源和财务会计人员，都需要掌握数据分析技术，否则很有可能被人工智能替代。《用商业案例学R语言数据挖掘》包括18章，涉及使用R语言做数据分析和数据挖掘的主要分析方法。其中，第1、2章为数据分析方法概述，第3章为R语言编程基础，第4章到第8章为统计学习方法，第9章到第16章为数据挖掘方法，第17章为特征工程，第18章为R文本挖掘。每章都根据所涉及的知识点的不同，选取了实用的案例，并为读者准备了相应的练习题。《用商业案例学R语言数据挖掘》作为CDA数据分析师系列丛书中《如虎添翼》和《胸有成竹》的姊妹篇，将前两本书的内容进行整合并做了重大拓展，而且秉承了该系列丛书的特点：内容精炼、重点突出、示例丰富、语言通俗。可以作为广大从业人员自学商业数据分析的读物，适合大中专院校师生学习和阅读，同时也可以作为高等院校商科、社会科学及相关培训机构的教材。

作者简介

暂缺《用商业案例学R语言数据挖掘》作者简介

图书目录

第1 章商业数据分析基础 1
1.1 商业数据分析的本质 1
1.2 商业数据分析中心的建设 3
第2 章数据分析的武器库 5
2.1 数据挖掘简介 5
2.2 R 语言简介 13
2.3 R 与RStudio 的下载和安装 15
2.4 在RStudio 中安装包 20
2.5 练习题 22
第3 章 R 语言编程 23
3.1 R 的基本数据类型 23
3.2 R 的基本数据结构 24
3.3 R 的程序控制 34
3.4 R 的函数 41
3.5 R 的日期与时间数据类型 42
3.6 在R 中读写数据 43
3.7 练习题 47
第4 章 R 描述性统计分析与绘图 48
4.1 描述性统计分析 48
4.2 制图的步骤 60
4.3 R 基础绘图包 63
4.4 ggplot2 绘图 74
4.5 练习题 79
第5 章数据整合和数据清洗 80
5.1 数据整合 80
5.2 R 中的高级数据整合 96
5.3 R 中的抽样 101
5.4 R 的数据清洗 103
5.5 练习题 110
第6 章统计推断基础 111
6.1 基本的统计学概念 111
6.2 假设检验与单样本t 检验116
6.3 双样本t 检验 119
6.4 方差分析（分类变量和连续变量关系检验） 121
6.5 相关分析（两连续变量关系检验） 127
6.6 卡方检验（二分类变量关系检验） 134
6.7 练习题 137
第7 章客户价值预测：线性回归模型与诊断 139
7.1 相关性分析 139
7.2 线性回归 139
7.3 线性回归诊断 150
7.4 正则化方法 159
7.5 练习题 169
第8 章 Logistic 回归构建初始信用评级 170
8.1 Logistic 回归的相关关系分析 170
8.2 Logistic 回归模型及实现 171
8.3 最大熵模型与极大似然法估计 179
8.4 模型评估 187
8.5 练习题 193
第9 章使用决策树进行信用评级 195
9.1 决策树建模思路 195
9.2 决策树算法 197
9.3 在R 中实现决策树 209
9.4 组合算法（Ensemble Learning） 214
9.5 练习题 234
第10 章神经网络 235
10.1 神经元模型 235
10.2 人工神经网络模型 237
10.3 单层感知器 239
10.4 BP 神经网络 242
10.5 RBF 神经网络 246
10.6 神经网络设计与R 代码实现 253
10.7 练习题 261
第11 章分类器入门：最近邻域与贝叶斯网络 263
11.1 分类器的概念 263
11.2 KNN 算法 264
11.3 朴素贝叶斯 269
11.4 贝叶斯网络 273
11.5 练习题 281
第12 章高级分类器：支持向量机 282
12.1 线性可分与线性不可分 282
12.2 线性可分支持向量机 283
12.3 线性支持向量机 291
12.4 非线性支持向量机 297
12.5 R 中的支持向量机 303
12.6 练习题 306
第13 章连续变量的维度归约 307
13.1 维度归约方法概述 307
13.2 主成分分析 308
13.3 因子分析 314
13.4 奇异值分解 320
13.5 对应分析和多维尺度分析 326
13.6 练习题 334
第14 章聚类 336
14.1 聚类分析概述 337
14.2 聚类算法逻辑 337
14.3 层次聚类 339
14.4 k-means 聚类 342
14.5 基于密度的聚类 346
14.6 聚类模型的评估 349
14.7 高斯混合模型（Gaussian Mixture Model） 352
14.8 客户分群 364
14.9 练习题 379
第15 章关联规则与推荐算法 380
15.1 长尾理论 380
15.2 关联规则 383
15.3 序贯模型 390
15.4 推荐算法与推荐系统 395
15.5 练习题 406
第16 章时间序列建模 407
16.1 认识时间序列 407
16.2 简单时间序列分析 409
16.3 平稳时间序列分析ARMA 模型 419
16.4 非平稳时间序列分析ARIMA 模型 434
第17 章特征工程（Feature Engineering）（博文视点官方网站下载） 446
17.1 特征工程概述 446
17.2 数据预处理（Data Preprocessing） 447
17.3 特征构造（Feature Construction） 460
17.4 特征抽取（Feature Extraction） 461
17.5 特征选择（Feature Selection） 466
第18 章 R 文本挖掘（博文视点官方网站下载） 471
18.1 文本挖掘 471
18.2 文本清洗 473
18.3 中文分词与文档模型 476
18.4 文本的特征选择及相关性度量 481
18.5 文本分类 487
18.6 主题模型 489
18.7 综合案例 495
附录A 数据说明（博文视点官方网站下载） 500