-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

數據分析實戰

( 簡體 字)
作者:[日]酒卷隆治 里洋平類別:1. -> 程式設計 -> 綜合
譯者:
出版社:人民郵電出版社數據分析實戰 3dWoo書號: 46946
詢問書籍請說出此書號!

缺書
NT售價: 225

出版日:5/1/2017
頁數:250
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115454539
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

資料分析實戰 由實戰經驗豐富的兩位元資料分析師執筆,資料分析實戰 首先介紹了商業領域裡通用的資料分析框架,然後根據該框架,結合8個真實的案例,詳細解說了通過資料分析解決各種商業問題的流程,讓讀者在解決問題的過程中學習各種資料分析方法,包括柱狀圖、交叉列表統計、A B測試、多元回歸分析、邏輯回歸分析、聚類、主成分分析、決策樹分析、機器學習等。特別是書中使用的資料都是未經清洗的原始資料,對如何加工資料以用於資料分析也進行了詳細的介紹。讀者可以使用R語言實際運算元據,體驗真實的資料分析流程,避免紙上談兵。
目錄:

第1章 資料科學家的工作 1
1.1 什麼是資料科學家 2
1.2 3種類型的資料科學家 5
1.3 資料科學家的現狀 8
第2章 商業資料分析流程 9
2.1 資料分析的5個流程 10
2.2 現狀和預期 12
2.3 發現問題 13
2.4 資料的收集和加工 19
2.5 資料分析 24
2.6 解決對策 27
2.7 小結 29

[分析基礎]篇
第3章 案例1—柱狀圖
為什麼銷售額會減少 35
3.1 現狀和預期 36
3.2 發現問題 38
3.3 資料的收集和加工 39
3.4 資料分析 46
3.5 解決對策 49
3.6 小結 50
3.7 詳細的R代碼 51

第4章 案例2—交叉列表統計
什麼樣的顧客會選擇離開 61
4.1 現狀和預期 62
4.2 發現問題 64
4.3 資料的收集和加工 65
4.4 資料分析 69
4.5 解決對策 73
4.6 小結 75
4.7 詳細的R代碼 76

第5章 案例3—A B測試
哪種廣告的效果更好 83
5.1 現狀和預期 84
5.2 發現問題 86
5.3 資料的收集和加工 88
5.4 資料分析 96
5.5 解決對策 98
5.6 小結 99
5.7 詳細的R代碼 100

第6章 案例4—多元回歸分析 105
如何通過各種廣告的組合獲得更多的使用者 105
6.1 現狀和預期 106
6.2 發現問題 108
6.3 資料的收集 112
6.4 資料分析 114
6.5 解決對策 117
6.6 小結 119
6.7 詳細的R代碼 120

[分析應用]篇
第7章 案例5—邏輯回歸分析
根據過去的行為能否預測當下 125
7.1 期望增加遊戲的智慧手機用戶量 126
7.2 是用戶帳號遷轉設定失敗導致的問題嗎 128
7.3 在資料不包含正解的情況下收集資料 131
7.4 驗證是否能夠建立模型 144
7.5 解決對策 148
7.6 小結 149
7.7 詳細的R代碼 150

第8章 案例6—聚類
應該選擇什麼樣的目標使用者群 163
8.1 希望瞭解用戶的特點 164
8.2 基於行為模式的使用者分類 165
8.3 把主成分作為引數來使用 168
8.4 進行聚類 176
8.5 解決對策 180
8.6 小結 181
8.7 詳細的R代碼 182

第9章 案例7—決策樹分析
具有哪些行為的用戶會是長期用戶 193
9.1 希望減少用戶開始遊戲後不久就離開的情況 194
9.2 瞭解“樂趣”的結構 195
9.3 把類作為引數 198
9.4 進行決策樹分析 210
9.5 解決對策 213
9.6 小結 215
9.7 詳細的R代碼 216

第10章 案例8—機器學習
如何讓組隊遊戲充滿樂趣 233
10.1 使組隊作戰的樂趣最大化 234
10.2 利用資料分析為服務增加附加價值 236
10.3 在資料中排除星期的影響 238
10.4 構建預測模型 241
10.5 解決對策 248
10.6 小結 249
10.7 詳細的R代碼 250
序: