商務(wù)數(shù)據(jù)分析方法與應(yīng)用（R語言）

目錄
第1章　商務(wù)數(shù)據(jù)分析概論　1
1.1　數(shù)據(jù)及其商業(yè)價值　1
1.2　商務(wù)數(shù)據(jù)分析的概念和步驟　2
1.3　商務(wù)數(shù)據(jù)分析的主要應(yīng)用領(lǐng)域　4
1.4　導學知識圖譜　5
【習題】　5
第一篇　R語言篇
第2章　R語言運行環(huán)境　7
2.1　R與RStudio　7
2.2　R包的調(diào)用　9
2.3　R數(shù)據(jù)分析常用包　11
【習題】　16
第3章　R語言基本運算與數(shù)據(jù)類型　17
3.1　基本運算　17
3.2　數(shù)據(jù)類型　18
3.3　數(shù)據(jù)的輸入和輸出　32
【習題】　37
第4章　R語言函數(shù)　38
4.1　R內(nèi)置函數(shù)　38
4.2　自定義函數(shù)　40
4.3　條件控制語句　43
4.4　循環(huán)語句　45
【習題】　46
第5章　R語言可視化和數(shù)據(jù)探索　47
5.1　基礎(chǔ)可視化　47
5.2　數(shù)據(jù)探索和可視化　65
5.3　交互式可視化　78
【習題】　105
第二篇　方法篇
第6章　線性回歸與邏輯回歸　106
6.1　線性回歸　106
6.2　邏輯回歸　115
【習題】　124
第7章　集成學習與分類　125
7.1　基于bagging的方法　125
7.2　基于boosting的方法　131
【習題】　143
第8章　聚類與關(guān)聯(lián)規(guī)則分析　144
8.1　聚類分析　144
8.2　關(guān)聯(lián)規(guī)則分析　156
【習題】　163
第9章　社交網(wǎng)絡(luò)數(shù)據(jù)分析　164
9.1　社交網(wǎng)絡(luò)結(jié)構(gòu)：人際關(guān)系特征分析　164
9.2　基本網(wǎng)絡(luò)模型　180
9.3　網(wǎng)絡(luò)文本分析中的兩個基本定律　185
【習題】　195
第三篇　場景應(yīng)用篇
第10章　電商流量分析　196
10.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　196
10.2　流量分析　197
10.3　用戶消費頻次分析　201
10.4　用戶行為在時間維度的分析　204
10.5　用戶行為轉(zhuǎn)化漏斗　220
10.6　用戶留存率分析　227
10.7　商品銷量分析　230
10.8　RFM用戶分層　233
10.9　管理建議　237
第11章　客戶價值分析　238
11.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　238
11.2　描述性分析　239
11.3　LRFM模型　241
11.4　層次聚類分析　242
11.5　k-means聚類分析　250
11.6　客戶分群結(jié)果　256
11.7　管理建議　261
第12章　用戶分類預測　262
12.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　262
12.2　數(shù)據(jù)預處理　263
12.3　描述性分析　265
12.4　用戶流失預測模型特征提取　278
12.5　用戶流失預測模型構(gòu)建　283
12.6　用戶流失預測　291
12.7　管理建議　292
第13章　智能推薦系統(tǒng)　294
13.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　294
13.2　推薦系統(tǒng)介紹　295
13.3　recommenderlab包的介紹　296
13.4　數(shù)據(jù)準備和清理　296
13.5　利用recommenderlab包處理數(shù)據(jù)　298
13.6　建立推薦模型　300
13.7　模型的評估　301
13.8　相似性計算　303
13.9　管理建議　304
第14章　在線約會網(wǎng)站用戶偏好分析　306
14.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　306
14.2　年齡差和身高差分布　307
14.3　學歷偏好　310
14.4　收入偏好　312
14.5　多屬性綜合偏好　314
14.6　管理建議　320
第15章　在線音樂歌單分析　321
15.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　321
15.2　描述性分析　323
15.3　關(guān)聯(lián)規(guī)則分析　328
15.4　k-means聚類分析　336
15.5　多元線性回歸模型分析　343
15.6　LDA主題模型分析　358
15.7　歌單收藏預測　366
15.8　管理建議　376
第四篇　研究篇
第16章　在線醫(yī)療長尾分析　378
16.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　378
16.2　模型構(gòu)建　380
16.3　描述性分析　381
16.4　相關(guān)性分析　382
16.5　橫截面數(shù)據(jù)回歸分析　384
16.6　模型檢驗　395
16.7　結(jié)果討論　400
第17章　社會化問答社區(qū)知識分享行為分析　401
17.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　401
17.2　描述性分析　403
17.3　知識分享行為的因素分析　411
17.4　面板回歸　415
17.5　結(jié)果討論　430
第18章　非正態(tài)分布數(shù)據(jù)的統(tǒng)計推斷　432
18.1　業(yè)務(wù)場景、商務(wù)問題及相關(guān)數(shù)據(jù)　432
18.2　數(shù)據(jù)正態(tài)性檢驗　432
18.3　冪律分布檢驗　435
18.4　總體位置參數(shù)的檢驗　437
18.5　單因子方差分析中的非參數(shù)方法　440
參考文獻　442