☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

本書詳細闡述瞭與R語言商業分析相關的基本解決方案，主要包括商業分析簡介、R語言概述、R語言數據分析、描述性分析概述、商業分析過程與數據探索、機器學習、綫性迴歸分析以及邏輯迴歸分析等內容。此外，本書還提供瞭相應的示例，以幫助讀者進一步理解相關方案的實現過程。

本書適閤作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。

目錄

目 錄

第1章 商業分析簡介 1

1.1 本書目的 3

1.2 容易混淆的術語 3

1.3 商業分析的發展動因 4

1.3.1 計算機軟件包和應用程序的增長 5

1.3.2 整閤各種數據源的可行性 5

1.3.3 無限存儲和計算能力的增長 6

1.3.4 簡單易用的編程工具和平颱 6

1.3.5 競爭激烈世界中的生存與發展 6

1.3.6 全球化商業的復雜性 6

1.4 商業分析的應用 6

1.4.1 市場營銷與銷售 7

1.4.2 人力資源 7

1.4.3 産品設計 7

1.4.4 服務設計 8

1.4.5 客戶服務和支持範圍 8

1.5 商業分析師的必備技能 8

1.5.1 理解商業和商業問題 8

1.5.2 理解數據分析技術和算法 9

1.5.3 具備良好的計算機編程知識 9

1.5.4 理解數據結構和數據存儲/倉儲技術 9

1.5.5 瞭解統計學和數學的相關概念知識 9

1.6 商業分析項目的分析過程 10

1.7 商業分析框架 11

1.8 小結 12

第2章 R語言概述 13

2.1 數據分析工具 13

2.2 R語言安裝 16

2.2.1 安裝R語言 16

2.2.2 安裝RStudio 17

2.2.3 探索RStudio界麵 18

2.3 R編程基礎 19

2.3.1 賦值 20

2.3.2 創建嚮量 21

2.4 R語言對象類型 21

2.5 R語言的數據結構 23

2.5.1 矩陣 23

2.5.2 數組 24

2.5.3 數據框 26

2.5.4 列錶 27

2.5.5 因子 28

2.6 小結 29

第3章 R語言數據分析 31

3.1 讀寫數據 31

3.1.1 從文本文件讀取數據 32

3.1.2 從Microsoft Excel文件讀取數據 35

3.1.3 從Web讀取數據 37

3.2 在R語言中使用控製結構 37

3.2.1 if-else 38

3.2.2 for循環 39

3.2.3 while循環 39

3.2.4 循環功能 40

3.2.5 在R語言中自編函數 47

3.3 使用R語言軟件包和庫 48

3.4 小結 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 有關的統計參數 55

4.3.1 均值 55

4.3.2 中位數 57

4.3.3 眾數 59

4.3.4 全距 59

4.3.5 分位數 60

4.3.6 標準差（Standard Deviation） 61

4.3.7 方差（Variance） 64

4.3.8 R語言的summary命令 64

4.4 數據的圖形描述 65

4.4.1 R語言的plot命令 65

4.4.2 直方圖 67

4.4.3 條形圖 68

4.4.4 箱綫圖 68

4.5 數據框計算 69

4.6 概率 73

4.6.1 互斥事件的概率 74

4.6.2 相互獨立事件的概率 74

4.6.3 非互斥事件概率 75

4.6.4 概率分布 75

4.7 小結 77

第5章 商業分析過程與數據探索 79

5.1 商業分析過程 79

5.1.1 第一階段：理解商業問題 79

5.1.2 第二階段：收集和整閤數據 79

5.1.3 第三階段：預處理數據 80

5.1.4 第四階段：探索和可視化數據 80

5.1.5 第五階段：選擇建模技術和算法 81

5.1.6 第六階段：評估模型 81

5.1.7 第七階段：管理和審查報告 81

5.1.8 第八階段：部署模型 81

5.2 理解商業問題 82

5.3 收集和整閤數據 82

5.3.1 抽樣 83

5.3.2 變量選擇 84

5.4 預處理數據 85

5.4.1 數據類型 85

5.4.2 數據準備 86

5.4.3 使用R語言進行數據預處理 87

5.5 數據探索和數據可視化 91

5.5.1 錶格 92

5.5.2 匯總錶 92

5.5.3 圖形 93

5.5.4 散點圖矩陣 97

5.5.5 數據轉換 101

5.6 使用建模技術和算法 102

5.6.1 描述性分析 103

5.6.2 預測分析 103

5.6.3 機器學習 103

5.7 評估模型 106

5.7.1 訓練數據分區 106

5.7.2 測試數據分區 106

5.7.3 驗證數據分區 107

5.7.4 交叉驗證 107

5.7.5 分類模型評估 108

5.7.6 迴歸模型評估 111

5.8 提交管理報告和審查 112

5.8.1 描述問題 112

5.8.2 使用的數據集 112

5.8.3 執行數據清洗 112

5.8.4 創建模型的方法 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 問題處理 113

5.9 部署模型 113

5.10 小結 114

第6章 監督機器學習：分類 115

6.1 什麼是分類？什麼是預測？ 115

6.2 概率分類器模型 116

6.2.1 示例 117

6.2.2 R語言樸素貝葉斯分類器 118

6.2.3 樸素貝葉斯分類器的優點和局限性 119

6.3 決策樹 120

6.3.1 遞歸分割決策樹算法 121

6.3.2 信息增益 121

6.3.3 決策樹示例 123

6.3.4 決策樹歸納 124

6.3.5 樹分類規則 127

6.3.6 過擬閤和欠擬閤 127

6.3.7 偏差和方差（Bias and Variance） 128

6.3.8 避免過擬閤誤差和確定決策樹生長的規模 129

6.4 其他分類器類型 131

6.4.1 K-最近鄰 131

6.4.2 隨機森林 132

6.5 R語言分類示例 134

6.6 小結 138

第7章 無監督機器學習 139

7.1 聚類概述 139

7.2 什麼是聚類 140

7.2.1 兩個記錄之間的測量方法 141

7.2.2 分類變量的距離度量 142

7.2.3 混閤型數據的距離度量 142

7.2.4 兩個聚類之間的距離 143

7.3 層次聚類 145

7.3.1 樹狀圖 145

7.3.2 層次聚類的局限性 145

7.4 非層次聚類 146

7.4.1 k-means算法 146

7.4.2 k-means聚類的局限性 147

7.5 聚類案例研究 148

7.5.1 僅保留數據集中的相關變量 149

7.5.2 從數據集中刪除任何異常值 149

7.5.3 數據歸一化（Standardize the Data） 150

7.5.4 計算數據點之間的距離 150

7.6 關聯規則 157

7.6.1 選擇規則 158

7.6.2 關聯規則生成示例 160

7.6.3 解讀結果 161

7.7 小結 162

第8章 簡單綫性迴歸分析 163

8.1 概述 163

8.2 相關性 164

8.3 假設檢驗 167

8.4 簡單綫性迴歸分析 168

8.4.1 迴歸假設 168

8.4.2 簡單綫性迴歸方程 168

8.4.3 R語言創建簡單迴歸方程 169

8.4.4 檢驗迴歸假設 171

8.4.5 結論 176

8.4.6 預測響應變量 176

8.4.7 補充說明 177

8.5 小結 178

第9章 多元綫性迴歸分析 179

9.1 使用多元綫性迴歸分析 180

9.1.1 數據 181

9.1.2 相關性 181

9.1.3 構建模型 182

9.1.4 驗證迴歸假設 184

9.1.5 多重共綫性 188

9.1.6 逐步多元綫性迴歸分析 190

9.1.7 全子集多元綫性迴歸分析 191

9.1.8 多元綫性迴歸方程 193

9.1.9 結論 193

9.2 R語言的替代方法 193

9.3 預測響應變量 194

9.4 訓練和測試模型 195

9.5 交叉驗證 196

9.6 小結 198

第10章 邏輯迴歸分析 201

10.1 邏輯迴歸 202

10.1.1 數據 203

10.1.2 構建模型 204

10.1.3 模型擬閤驗證 207

10.1.4 一般注意事項 208

10.1.5 多重共綫性 208

10.1.6 離散 209

10.1.7 邏輯迴歸分析結論 209

10.2 模型訓練和測試 209

10.2.1 預測響應變量 211

10.2.2 驗證邏輯迴歸模型的其他替代方法 212

10.3 多項邏輯迴歸分析 213

10.4 正則化 214

10.5 小結 220

第11章 大數據分析：介紹及未來趨勢 221

11.1 大數據生態係統 222

11.2 大數據分析的未來趨勢 225

11.2.1 發展壯大的社交媒體 225

11.2.2 創建數據湖 225

11.2.3 企業用戶手中的可視化工具 225

11.2.4 規範性分析 225

11.2.5 物聯網 226

11.2.6 人工智能 226

11.2.7 全數據處理 226

11.2.8 數據垂直應用和橫嚮應用 226

11.2.9 實時分析 226

11.2.10 將數據分析工具交由企業用戶使用 227

11.2.11 將解決方案從一個工具遷移到另一個工具 227

11.2.12 雲無處不在 227

11.2.13 數據庫內分析 227

11.2.14 內存分析 228

11.2.15 機器學習的自主服務 228

11.2.16 安全和閤規性 228

11.2.17 醫療保健 228

引用 95

第4章 製作自動機器車 97

自動係統介紹 97

介紹移動機器人 99

搭建機器車 100

DIY機器人平颱 100

集成的機器人平颱 102

使用Pololu Zumo robot for Arduino 104

用計算機控製機器車 109

使用GPS模塊導航 117

介紹地圖引擎平颱 124

製作基於GPS的小車 128

製作自動機器車 130

總結 131

引用 131

第5章 在物聯網項目中添加語音技術 133

語音技術介紹 133

聲音傳感器和驅動器介紹 134

語音技術的模式識彆介紹 143

介紹語音和聲音模塊 143

為物聯網項目增加語音控製 145

設置EasyVR shield 3 145

創建語音命令 148

給語音闆布綫 151

編寫Sketch程序 151

測試 157

讓IoT闆說話 157

設置 157

布綫 157

編寫Sketch程序 158

測試 159

讓Raspberry Pi說話 159

設置 159

編寫Python程序 162

下一步是什麼？ 163

總結 163

引用 163

第6章 為物聯網項目搭建數據雲 165

對雲技術的介紹 165

介紹基於雲的數據科學 166

連接IoT闆到雲服務器 167

微軟Azure IoT 167

亞馬遜AWS IoT 168

Arduino雲 168

使用微軟Azure IoT Hub 180

設置微軟Azure IoT Hub 180

注冊IoT設備 182

編寫程序 186

構建科學型雲平颱 192

部署Azure機器學習 193

發布到Azure ML作為Web服務 194

構建帶有科學型數據雲的IoT應用 196

總結 196

引用 197

前言/序言

近幾年來，隨著計算機和新一代信息技術的蓬勃發展，商業大數據也呈爆炸性增長。在商業領域，各個行業、企業或組織都遇到瞭前所未有的全球化、區域化或細分市場多元化的挑戰和機遇，他們在激烈競爭中對生存和成長的需求推動瞭對大數據發展的探索和研究。有效地處理、分析和應用這些大數據解決商業問題，已成為當今各個商業領域的迫切需求，相應地也使商業分析師變得倍受歡迎。

有誌於涉足商業分析的讀者，將會從本書中獲益匪淺。本書最顯著的特點是以豐富的案例闡述、解釋和演示商業分析涉及的理論和技術，雖然涉及R語言、數學和統計學理論，但並不晦澀難懂。本書列舉瞭數據分析在許多應用場景和商業分析中的案例，探討瞭商業分析師所需的技能和商業分析項目的過程，並且以R語言作為演示本書當中概念的一種統計工具，通過詳實的案例講述瞭如何編寫R語言程序處理數據、分析模型的構建以及從中吸取有益的推論。同時，闡述瞭數據挖掘及其相關技術，也揭示瞭機器學習的基本概念和生成預測建模，最後還講述瞭如何定義商業問題及提齣相關的解決方案。

本書將有助於讀者瞭解當前行業、企業或組織中所麵臨的具體商業問題，以及學習采取哪些相應的措施去分析和解決讀者所研究的商業問題。書中還包含瞭一些重要的商業分析技術的學習案例，如分類、關聯、聚類以及迴歸分析等。讀者可以根據商業需求選擇不同的方法和技術去解決實際商業問題。如果讀者對商業分析感興趣，這就是一本具有實戰指導意義的書籍。

除王勝夏、楊莉靈和秦雙夏之外，參與本書翻譯的還有吳驊、羅平章、李遠明、王學昌、周娟、劉紅軍、王玲、鄭正正、莫鴻強等人，感謝這些同行對本書的辛勤付齣。由於水平有限，譯文中的不當之處在所難免，懇請各位同行和讀者朋友不吝賜教。

R語言商業分析實戰 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價