R語(yǔ)言商業(yè)分析實(shí)戰(zhàn)

目    錄

第1章  商業(yè)分析簡(jiǎn)介 1

1.1  本書(shū)目的 3

1.2  容易混淆的術(shù)語(yǔ) 3

1.3  商業(yè)分析的發(fā)展動(dòng)因 4

1.3.1  計(jì)算機(jī)軟件包和應(yīng)用程序的增長(zhǎng) 5

1.3.2  整合各種數(shù)據(jù)源的可行性 5

1.3.3  無(wú)限存儲(chǔ)和計(jì)算能力的增長(zhǎng) 6

1.3.4  簡(jiǎn)單易用的編程工具和平臺(tái) 6

1.3.5  競(jìng)爭(zhēng)激烈世界中的生存與發(fā)展 6

1.3.6  全球化商業(yè)的復(fù)雜性 6

1.4  商業(yè)分析的應(yīng)用 6

1.4.1  市場(chǎng)營(yíng)銷(xiāo)與銷(xiāo)售 7

1.4.2  人力資源 7

1.4.3  產(chǎn)品設(shè)計(jì) 7

1.4.4  服務(wù)設(shè)計(jì) 8

1.4.5  客戶(hù)服務(wù)和支持范圍 8

1.5  商業(yè)分析師的必備技能 8

1.5.1  理解商業(yè)和商業(yè)問(wèn)題 8

1.5.2  理解數(shù)據(jù)分析技術(shù)和算法 9

1.5.3  具備良好的計(jì)算機(jī)編程知識(shí) 9

1.5.4  理解數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)存儲(chǔ)/倉(cāng)儲(chǔ)技術(shù) 9

1.5.5  了解統(tǒng)計(jì)學(xué)和數(shù)學(xué)的相關(guān)概念知識(shí) 9

1.6  商業(yè)分析項(xiàng)目的分析過(guò)程 10

1.7  商業(yè)分析框架 11

1.8  小結(jié) 12

第2章  R語(yǔ)言概述 13

2.1  數(shù)據(jù)分析工具 13

2.2  R語(yǔ)言安裝 16

2.2.1  安裝R語(yǔ)言 16

2.2.2  安裝RStudio 17

2.2.3  探索RStudio界面 18

2.3  R編程基礎(chǔ) 19

2.3.1  賦值 20

2.3.2  創(chuàng)建向量 21

2.4  R語(yǔ)言對(duì)象類(lèi)型 21

2.5  R語(yǔ)言的數(shù)據(jù)結(jié)構(gòu) 23

2.5.1  矩陣 23

2.5.2  數(shù)組 24

2.5.3  數(shù)據(jù)框 26

2.5.4  列表 27

2.5.5  因子 28

2.6  小結(jié) 29

第3章  R語(yǔ)言數(shù)據(jù)分析 31

3.1  讀寫(xiě)數(shù)據(jù) 31

3.1.1  從文本文件讀取數(shù)據(jù) 32

3.1.2  從Microsoft Excel文件讀取數(shù)據(jù) 35

3.1.3  從Web讀取數(shù)據(jù) 37

3.2  在R語(yǔ)言中使用控制結(jié)構(gòu) 37

3.2.1  if-else 38

3.2.2  for循環(huán) 39

3.2.3  while循環(huán) 39

3.2.4  循環(huán)功能 40

3.2.5  在R語(yǔ)言中自編函數(shù) 47

3.3  使用R語(yǔ)言軟件包和庫(kù) 48

3.4  小結(jié) 49

第4章  描述性分析概述 51

4.1  描述性分析 54

4.2  總體和樣本 54

4.3  有關(guān)的統(tǒng)計(jì)參數(shù) 55

4.3.1  均值 55

4.3.2  中位數(shù) 57

4.3.3  眾數(shù) 59

4.3.4  全距 59

4.3.5  分位數(shù) 60

4.3.6  標(biāo)準(zhǔn)差（Standard Deviation） 61

4.3.7  方差（Variance） 64

4.3.8  R語(yǔ)言的summary命令 64

4.4  數(shù)據(jù)的圖形描述 65

4.4.1  R語(yǔ)言的plot命令 65

4.4.2  直方圖 67

4.4.3  條形圖 68

4.4.4  箱線(xiàn)圖 68

4.5  數(shù)據(jù)框計(jì)算 69

4.6  概率 73

4.6.1  互斥事件的概率 74

4.6.2  相互獨(dú)立事件的概率 74

4.6.3  非互斥事件概率 75

4.6.4  概率分布 75

4.7  小結(jié) 77

第5章  商業(yè)分析過(guò)程與數(shù)據(jù)探索 79

5.1  商業(yè)分析過(guò)程 79

5.1.1  第一階段：理解商業(yè)問(wèn)題 79

5.1.2  第二階段：收集和整合數(shù)據(jù) 79

5.1.3  第三階段：預(yù)處理數(shù)據(jù) 80

5.1.4  第四階段：探索和可視化數(shù)據(jù) 80

5.1.5  第五階段：選擇建模技術(shù)和算法 81

5.1.6  第六階段：評(píng)估模型 81

5.1.7  第七階段：管理和審查報(bào)告 81

5.1.8  第八階段：部署模型 81

5.2  理解商業(yè)問(wèn)題 82

5.3  收集和整合數(shù)據(jù) 82

5.3.1  抽樣 83

5.3.2  變量選擇 84

5.4  預(yù)處理數(shù)據(jù) 85

5.4.1  數(shù)據(jù)類(lèi)型 85

5.4.2  數(shù)據(jù)準(zhǔn)備 86

5.4.3  使用R語(yǔ)言進(jìn)行數(shù)據(jù)預(yù)處理 87

5.5  數(shù)據(jù)探索和數(shù)據(jù)可視化 91

5.5.1  表格 92

5.5.2  匯總表 92

5.5.3  圖形 93

5.5.4  散點(diǎn)圖矩陣 97

5.5.5  數(shù)據(jù)轉(zhuǎn)換 101

5.6  使用建模技術(shù)和算法 102

5.6.1  描述性分析 103

5.6.2  預(yù)測(cè)分析 103

5.6.3  機(jī)器學(xué)習(xí) 103

5.7  評(píng)估模型 106

5.7.1  訓(xùn)練數(shù)據(jù)分區(qū) 106

5.7.2  測(cè)試數(shù)據(jù)分區(qū) 106

5.7.3  驗(yàn)證數(shù)據(jù)分區(qū) 107

5.7.4  交叉驗(yàn)證 107

5.7.5  分類(lèi)模型評(píng)估 108

5.7.6  回歸模型評(píng)估 111

5.8  提交管理報(bào)告和審查 112

5.8.1  描述問(wèn)題 112

5.8.2  使用的數(shù)據(jù)集 112

5.8.3  執(zhí)行數(shù)據(jù)清洗 112

5.8.4  創(chuàng)建模型的方法 112

5.8.5  模型部署前提條件 113

5.8.6  模型部署和使用 113

5.8.7  問(wèn)題處理 113

5.9  部署模型 113

5.10  小結(jié) 114

第6章  監(jiān)督機(jī)器學(xué)習(xí)：分類(lèi) 115

6.1  什么是分類(lèi)？什么是預(yù)測(cè)？ 115

6.2  概率分類(lèi)器模型 116

6.2.1  示例 117

6.2.2  R語(yǔ)言樸素貝葉斯分類(lèi)器 118

6.2.3  樸素貝葉斯分類(lèi)器的優(yōu)點(diǎn)和局限性 119

6.3  決策樹(shù) 120

6.3.1  遞歸分割決策樹(shù)算法 121

6.3.2  信息增益 121

6.3.3  決策樹(shù)示例 123

6.3.4  決策樹(shù)歸納 124

6.3.5  樹(shù)分類(lèi)規(guī)則 127

6.3.6  過(guò)擬合和欠擬合 127

6.3.7  偏差和方差（Bias and Variance） 128

6.3.8  避免過(guò)擬合誤差和確定決策樹(shù)生長(zhǎng)的規(guī)模 129

6.4  其他分類(lèi)器類(lèi)型 131

6.4.1  K-最近鄰 131

6.4.2  隨機(jī)森林 132

6.5  R語(yǔ)言分類(lèi)示例 134

6.6  小結(jié) 138

第7章  無(wú)監(jiān)督機(jī)器學(xué)習(xí) 139

7.1  聚類(lèi)概述 139

7.2  什么是聚類(lèi) 140

7.2.1  兩個(gè)記錄之間的測(cè)量方法 141

7.2.2  分類(lèi)變量的距離度量 142

7.2.3  混合型數(shù)據(jù)的距離度量 142

7.2.4  兩個(gè)聚類(lèi)之間的距離 143

7.3  層次聚類(lèi) 145

7.3.1  樹(shù)狀圖 145

7.3.2  層次聚類(lèi)的局限性 145

7.4  非層次聚類(lèi) 146

7.4.1  k-means算法 146

7.4.2  k-means聚類(lèi)的局限性 147

7.5  聚類(lèi)案例研究 148

7.5.1  僅保留數(shù)據(jù)集中的相關(guān)變量 149

7.5.2  從數(shù)據(jù)集中刪除任何異常值 149

7.5.3  數(shù)據(jù)歸一化（Standardize the Data） 150

7.5.4  計(jì)算數(shù)據(jù)點(diǎn)之間的距離 150

7.6  關(guān)聯(lián)規(guī)則 157

7.6.1  選擇規(guī)則 158

7.6.2  關(guān)聯(lián)規(guī)則生成示例 160

7.6.3  解讀結(jié)果 161

7.7  小結(jié) 162

第8章  簡(jiǎn)單線(xiàn)性回歸分析 163

8.1  概述 163

8.2  相關(guān)性 164

8.3  假設(shè)檢驗(yàn) 167

8.4  簡(jiǎn)單線(xiàn)性回歸分析 168

8.4.1  回歸假設(shè) 168

8.4.2  簡(jiǎn)單線(xiàn)性回歸方程 168

8.4.3  R語(yǔ)言創(chuàng)建簡(jiǎn)單回歸方程 169

8.4.4  檢驗(yàn)回歸假設(shè) 171

8.4.5  結(jié)論 176

8.4.6  預(yù)測(cè)響應(yīng)變量 176

8.4.7  補(bǔ)充說(shuō)明 177

8.5  小結(jié) 178

第9章  多元線(xiàn)性回歸分析 179

9.1  使用多元線(xiàn)性回歸分析 180

9.1.1  數(shù)據(jù) 181

9.1.2  相關(guān)性 181

9.1.3  構(gòu)建模型 182

9.1.4  驗(yàn)證回歸假設(shè) 184

9.1.5  多重共線(xiàn)性 188

9.1.6  逐步多元線(xiàn)性回歸分析 190

9.1.7  全子集多元線(xiàn)性回歸分析 191

9.1.8  多元線(xiàn)性回歸方程 193

9.1.9  結(jié)論 193

9.2  R語(yǔ)言的替代方法 193

9.3  預(yù)測(cè)響應(yīng)變量 194

9.4  訓(xùn)練和測(cè)試模型 195

9.5  交叉驗(yàn)證 196

9.6  小結(jié) 198

第10章  邏輯回歸分析 201

10.1  邏輯回歸 202

10.1.1  數(shù)據(jù) 203

10.1.2  構(gòu)建模型 204

10.1.3  模型擬合驗(yàn)證 207

10.1.4  一般注意事項(xiàng) 208

10.1.5  多重共線(xiàn)性 208

10.1.6  離散 209

10.1.7  邏輯回歸分析結(jié)論 209

10.2  模型訓(xùn)練和測(cè)試 209

10.2.1  預(yù)測(cè)響應(yīng)變量 211

10.2.2  驗(yàn)證邏輯回歸模型的其他替代方法 212

10.3  多項(xiàng)邏輯回歸分析 213

10.4  正則化 214

10.5  小結(jié) 220

第11章  大數(shù)據(jù)分析：介紹及未來(lái)趨勢(shì) 221

11.1  大數(shù)據(jù)生態(tài)系統(tǒng) 222

11.2  大數(shù)據(jù)分析的未來(lái)趨勢(shì) 225

11.2.1  發(fā)展壯大的社交媒體 225

11.2.2  創(chuàng)建數(shù)據(jù)湖 225

11.2.3  企業(yè)用戶(hù)手中的可視化工具 225

11.2.4  規(guī)范性分析 225

11.2.5  物聯(lián)網(wǎng) 226

11.2.6  人工智能 226

11.2.7  全數(shù)據(jù)處理 226

11.2.8  數(shù)據(jù)垂直應(yīng)用和橫向應(yīng)用 226

11.2.9  實(shí)時(shí)分析 226

11.2.10  將數(shù)據(jù)分析工具交由企業(yè)用戶(hù)使用 227

11.2.11  將解決方案從一個(gè)工具遷移到另一個(gè)工具 227

11.2.12  云無(wú)處不在 227

11.2.13  數(shù)據(jù)庫(kù)內(nèi)分析 227

11.2.14  內(nèi)存分析 228

11.2.15  機(jī)器學(xué)習(xí)的自主服務(wù) 228

11.2.16  安全和合規(guī)性 228

11.2.17  醫(yī)療保健 228

引用 95

第4章  制作自動(dòng)機(jī)器車(chē) 97

自動(dòng)系統(tǒng)介紹 97

介紹移動(dòng)機(jī)器人 99

搭建機(jī)器車(chē) 100

DIY機(jī)器人平臺(tái) 100

集成的機(jī)器人平臺(tái) 102

使用Pololu Zumo robot for Arduino 104

用計(jì)算機(jī)控制機(jī)器車(chē) 109

使用GPS模塊導(dǎo)航 117

介紹地圖引擎平臺(tái) 124

制作基于GPS的小車(chē) 128

制作自動(dòng)機(jī)器車(chē) 130

總結(jié) 131

引用 131

第5章  在物聯(lián)網(wǎng)項(xiàng)目中添加語(yǔ)音技術(shù) 133

語(yǔ)音技術(shù)介紹 133

聲音傳感器和驅(qū)動(dòng)器介紹 134

語(yǔ)音技術(shù)的模式識(shí)別介紹 143

介紹語(yǔ)音和聲音模塊 143

為物聯(lián)網(wǎng)項(xiàng)目增加語(yǔ)音控制 145

設(shè)置EasyVR shield 3 145

創(chuàng)建語(yǔ)音命令 148

給語(yǔ)音板布線(xiàn) 151

編寫(xiě)Sketch程序 151

測(cè)試 157

讓IoT板說(shuō)話(huà) 157

設(shè)置 157

布線(xiàn) 157

編寫(xiě)Sketch程序 158

測(cè)試 159

讓Raspberry Pi說(shuō)話(huà) 159

設(shè)置 159

編寫(xiě)Python程序 162

下一步是什么？ 163

總結(jié) 163

引用 163

第6章  為物聯(lián)網(wǎng)項(xiàng)目搭建數(shù)據(jù)云 165

對(duì)云技術(shù)的介紹 165

介紹基于云的數(shù)據(jù)科學(xué) 166

連接IoT板到云服務(wù)器 167

微軟Azure IoT 167

亞馬遜AWS IoT 168

Arduino云 168

使用微軟Azure IoT Hub 180

設(shè)置微軟Azure IoT Hub 180

注冊(cè)IoT設(shè)備 182

編寫(xiě)程序 186

構(gòu)建科學(xué)型云平臺(tái) 192

部署Azure機(jī)器學(xué)習(xí) 193

發(fā)布到Azure ML作為Web服務(wù) 194

構(gòu)建帶有科學(xué)型數(shù)據(jù)云的IoT應(yīng)用 196

總結(jié) 196

引用 197