R 語言數(shù)據(jù)分析項目精解：理論、方法、實戰(zhàn)

定　價：￥69.00

作　者：	羅榮錦著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121315732	出版時間：	2017-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	352	字數(shù)：

內(nèi)容簡介

　　本書以互聯(lián)網(wǎng)電商企業(yè)為背景，抽象出工作中常見的數(shù)據(jù)分析問題，利用 R 語言和統(tǒng)計學(xué)列出了詳細的解決方案和過程。本書共 9 章，前兩章分別為總論和 R 語言入門知識，之后各章分別介紹了運營指標的建立、指標監(jiān)控系統(tǒng)、假設(shè)檢驗及 AB 測試、變量篩選技術(shù)、用戶畫像系統(tǒng)、尋找優(yōu)質(zhì)用戶和文本挖掘等內(nèi)容。本書涉及到的統(tǒng)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、基于正態(tài)分布的一元離群點檢驗、傅里葉譜分析、假設(shè)檢驗、主成分分析、因子分析、模糊聚類、無監(jiān)督下連續(xù)型變量離散化、邏輯回歸模型和文本挖掘等。另外，本書提供了所有實例的 R 語言實現(xiàn)代碼，總計 33 個自定義函數(shù)和數(shù)千行代碼。本書適合數(shù)據(jù)分析從業(yè)人員、產(chǎn)品運營人員、統(tǒng)計專業(yè)學(xué)生和 R 語言愛好者閱讀。

作者簡介

　　羅榮錦，應(yīng)用統(tǒng)計學(xué)碩士、應(yīng)用數(shù)學(xué)和國際經(jīng)濟與貿(mào)易雙學(xué)士。有8年數(shù)據(jù)分析工作經(jīng)驗，先后從事過金融數(shù)據(jù)分析、網(wǎng)絡(luò)游戲數(shù)據(jù)分析、B2B數(shù)據(jù)庫營銷以及互聯(lián)網(wǎng)用戶行為數(shù)據(jù)分析?，F(xiàn)就職于攜程旅行網(wǎng)擔(dān)任資深數(shù)據(jù)分析師，主要從事用戶行為分析研究、統(tǒng)計學(xué)與數(shù)據(jù)挖掘應(yīng)用等工作，擅長統(tǒng)計建模，熟悉R語言、SAS、SPSS等數(shù)據(jù)挖掘工具。從事數(shù)據(jù)研究工作，一定要“耐得住寂寞，忍受得了孤獨”。

圖書目錄

第 1 章互聯(lián)網(wǎng)+統(tǒng)計學(xué)+R 語言1
1．1 互聯(lián)網(wǎng)中的統(tǒng)計學(xué)1
1．1．1 “互聯(lián)網(wǎng)+”的發(fā)展1
1．1．2 統(tǒng)計學(xué)的發(fā)展2
1．1．3 大數(shù)據(jù)時代的統(tǒng)計學(xué)2
1．2 R 語言――互聯(lián)網(wǎng)與統(tǒng)計學(xué)的橋梁3
1．3 本書結(jié)構(gòu) 5
第 2 章 R 語言基礎(chǔ) 7
2．1 安裝 R 語言 7
2．1．1 獲取和安裝 R 語言 7
2．1．2 安裝 RStudio 9
2．1．3 R 包 10
2．1．4 幫助12
2．2 R 語言基本對象12
2．2．1 數(shù)據(jù)類型12
2．2．2 向量12
2．2．3 矩陣和數(shù)組19
2．2．4 列表27
2．2．5 數(shù)據(jù)框29
2．2．6 因子32
2．2．7 數(shù)據(jù)類型的辨別和轉(zhuǎn)換39
2．2．8 數(shù)據(jù)類型和對象關(guān)系 39
2．3 工作空間和查看對象 40
2．3．1 工作空間和工作目錄 40
2．3．2 遍歷、創(chuàng)建、刪除文件夾 41
2．3．3 查看對象的方法 42
2．4 數(shù)據(jù)導(dǎo)入和導(dǎo)出43
2．4．1 數(shù)據(jù)導(dǎo)入43
2．4．2 數(shù)據(jù)導(dǎo)出49
2．5 操作符和函數(shù)51
2．5．1 操作符51
2．5．2 函數(shù)54
2．6 數(shù)據(jù)集操作59
2．6．1 變量操作60
2．6．2 數(shù)據(jù)集操作63
2．6．3 數(shù)據(jù)集連接67
2．6．4 數(shù)據(jù)匯總68
2．7 控制流71
2．7．1 重復(fù)和循環(huán)71
2．7．2 條件執(zhí)行73
2．7．3 next 和 break 74
2．8 自定義函數(shù)75
第 3 章互聯(lián)網(wǎng)運營指標的建立77
3．1 項目背景、目標及方案78
3．1．1 項目背景78
3．1．2 項目目標78
3．1．3 項目方案78
3．2 項目技術(shù)理論簡介78
3．2．1 骨灰級流量指標 78
3．2．2 登錄和激活80
2．2．3 訪問深度和吸引力 81
3．2．4 訂單指標85
3．2．5 網(wǎng)站或 APP 性能指標86
3．2．6 轉(zhuǎn)化率87
3．2．7 層次分析法87
3．3 項目實踐 92
3．3．1 搭建運營指標系統(tǒng) 92
3．3．2 制作對比型指標及趨勢線 97
3．3．3 創(chuàng)建用戶價值和活躍度指標 101
第 4 章指標監(jiān)控系統(tǒng)111
4．1 項目背景、目標及方案 111
4．1．1 項目背景111
4．1．2 項目目標111
4．1．3 項目方案112
4．2 項目技術(shù)理論簡介112
4．2．1 時間序列基本統(tǒng)計量 112
4．2．2 數(shù)據(jù)觀測與描述性統(tǒng)計 113
4．2．3 隨機性115
4．2．4 周期性115
4．2．5 節(jié)假日模式識別 115
4．2．6 建模數(shù)據(jù)集的建立 118
4．2．7 指標監(jiān)控方法（不含節(jié)假日）125
4．2．8 節(jié)假日指標監(jiān)控方法 134
4．2．9 R 語言實例代碼 135
4．3 項目實踐 141
4．3．1 數(shù)據(jù)概覽142
4．3．2 節(jié)假日模式識別 145
4．3．3 模型數(shù)據(jù)集的建立 155
4．3．4 指標監(jiān)控（非節(jié)假日）160
4．3．5 節(jié)假日指標監(jiān)控 176
4．3．6 總結(jié)181
第 5 章用數(shù)據(jù)驅(qū)動業(yè)務(wù)――AB 測試 182
5．1 項目背景、目標和方案 182
5．1．1 項目背景182
5．1．2 項目目標183
5．1．3 項目方案183
5．2 項目技術(shù)理論簡介183
5．2．1 自動化分流策略 183
5．2．2 整體評估指標185
5．2．3 概率論預(yù)備知識 186
5．2．4 假設(shè)檢驗191
5．2．5 三個問題197
5．3 項目實踐 197
第 6 章變量篩選技術(shù)204
6．1 項目背景、目標和方案 204
6．1．1 項目背景204
6．1．2 項目目標205
6．1．3 項目方案205
6．2 項目技術(shù)理論簡介205
6．2．1 變量相關(guān)性206
6．2．2 變量篩選209
6．2．3 變量降維215
6．2．4 R 語言實例代碼 225
6．3 項目實踐 237
6．3．1 變量篩選238
6．3．2 變量降維243
第 7 章構(gòu)建用戶畫像系統(tǒng) 247
7．1 項目背景、目標和方案 247
7．1．1 項目背景247
7．1．2 項目目標248
7．1．3 項目方案248
7．2 項目技術(shù)理論簡介248
7．2．1 用戶畫像的基本概念 248
7．2．2 用戶畫像應(yīng)用領(lǐng)域 249
7．2．3 用戶畫像分類250
7．2．4 用戶畫像構(gòu)建250
7．2．5 用戶畫像標簽的數(shù)值處理方法 254
7．3 項目實踐 256
第 8 章從數(shù)據(jù)中尋找優(yōu)質(zhì)用戶 261
8．1 項目背景、目標和方案 261
8．1．1 項目背景261
8．1．2 項目目標262
8．1．3 項目方案262
8．2 項目技術(shù)理論簡介262
8．2．1 邏輯回歸的基本概念 262
8．2．2 建模流程266
8．2．3 模型開發(fā)階段269
8．2．4 模型驗證階段279
8．2．5 模型測試階段285
8．2．6 商業(yè)應(yīng)用流程288
8．2．7 R 語言實例代碼 288
8．3 項目實踐 295
8．3．1 數(shù)據(jù)探索295
8．3．2 數(shù)據(jù)處理297
8．3．3 建立模型302
8．3．4 模型驗證304
8．3．5 總結(jié)308
第 9 章文本挖掘――點評數(shù)據(jù)展示策略 309
9．1 項目背景、目標和方案 310
9．1．1 項目背景310
9．1．2 項目目標311
9．1．3 項目方案311
9．2 項目技術(shù)理論簡介312
9．2．1 評論文本質(zhì)量量化指標模型 312
9．2．2 用戶相似度模型 313
9．2．3 情感性分析316
9．2．4 R 語言實例代碼 321
9．3 項目實踐 326
9．3．1 若干自定義函數(shù) 326
9．3．2 文本質(zhì)量量化指標模型 329
9．3．3 用戶相似度模型 334
9．3．4 情感性分析335
9．3．5 總結(jié)340