数据分析实战 (图灵程序设计丛书)
- 体积：4.86 MB
- 语言：中文
- 日期：2018-03-08
- 推荐：人
简介：数据分析实战 由实战经验丰富的两位数据分析师执笔，数据分析实战 首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、聚类、主成分分析、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，对如何加工数据以用于数据分析也进行了详细的介绍。读者可以使用R语言实际操作数据，体验真实的数据分析流程，避免纸上谈兵。
这些资源你可能感兴趣
数据分析实战 由实战经验丰富的两位数据分析师执笔，数据分析实战 首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、聚类、主成分分析、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，对如何加工数据以用于数据分析也进行了详细的介绍。读者可以使用R语言实际操作数据，体验真实的数据分析流程，避免纸上谈兵。
编辑推荐
如何恢复销售额？
哪种广告的效果会更好？
游戏用户为何会流失？
如何让组队游戏充满乐趣？
……
一线数据分析师教你用数据搞定！
1.通过8个真实的商业案例，学会用数据分析解决商业难题。
2.使用未经清洗的原始数据，体验真实的数据分析流程。
（在其他同类书中，经常故意使用和书中内容高度相符的数据来分析，但是读者会发现在实际的业务中使用书中的方法却很困难，数据分析实战 的各个案例中提供的都是zui原始的数据，需要在使用前进行加工。针对这些数据，如何灵活使用统计解析工具来处理，作者也给出了详细的介绍。）
3.网罗柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等数据分析方法。
4.数据分析实战 使用的数据和R脚本代码可下载。
作者简介
酒卷隆治（作者）
浦和出身。环境学博士毕业。就职于株式会社DRECOM数据分析部门。擅长人类行动日志的分析。现主要从事社交游戏和在线服务的日志分析工作。
里洋平（作者）
种子岛出身。就职于株式会社DRECOM数据分析部门。擅长使用R语言进行数据分析，现主要从事数据分析环境的搭建和数据分析工作。合著有《数据科学养成读本》（技术评论社）、《R包使用手册》（东京图书）。
肖峰（译者）
日本东京工业大学计算机工学博士。曾在日本乐天株式会社乐天技术研究所从事研究工作。2013年回国后加入新浪，现任新浪个性化推荐团队算法负责人。拥有丰富的数据分析与建模能力。
目录
第1章 数据科学家的工作1
1.1 什么是数据科学家2
1.23种类型的数据科学家5
1.3 数据科学家的现状8
第2章 商业数据分析流程9
2.1 数据分析的5个流程10
2.2 现状和预期12
2.3 发现问题13
2.4 数据的收集和加工19
2.5 数据分析24
2.6 解决对策27
2.7 小结29
（分析基础）篇
第3章 案例1—柱状图
为什么销售额会减少35
3.1 现状和预期36
3.2 发现问题38
3.3 数据的收集和加工39
3.4 数据分析46
3.5 解决对策49
3.6 小结50
3.7 详细的R代码51
第4章 案例2—交叉列表统计
什么样的顾客会选择离开61
4.1 现状和预期62
4.2 发现问题64
4.3 数据的收集和加工65
4.4 数据分析69
4.5 解决对策73
4.6 小结75
4.7 详细的R代码76
第5章 案例3—A／B测试
哪种广告的效果更好83
5.1 现状和预期84
5.2 发现问题86
5.3 数据的收集和加工88
5.4 数据分析96
5.5 解决对策98
5.6 小结99
5.7 详细的R代码100
第6章 案例4—多元回归分析105
如何通过各种广告的组合获得更多的用户105
6.1 现状和预期106
6.2 发现问题108
6.3 数据的收集112
6.4 数据分析114
6.5 解决对策117
6.6 小结119
6.7 详细的R代码120
（分析应用）篇
第7章 案例5—逻辑回归分析
根据过去的行为能否预测当下125
7.1 期望增加游戏的智能手机用户量126
7.2 是用户账号迁转设定失败导致的问题吗128
7.3 在数据不包含正解的情况下收集数据131
7.4 验证是否能够建立模型144
7.5 解决对策148
7.6 小结149
7.7 详细的R代码150
第8章 案例6—聚类
应该选择什么样的目标用户群163
8.1 希望了解用户的特点164
8.2 基于行为模式的用户分类165
8.3 把主成分作为自变量来使用168
8.4 进行聚类176
8.5 解决对策180
8.6 小结181
8.7 详细的R代码182
第9章 案例7—决策树分析
具有哪些行为的用户会是长期用户193
9.1 希望减少用户开始游戏后不久就离开的情况194
9.2 了解“乐趣”的结构195
9.3 把类作为自变量198
9.4 进行决策树分析210
9.5 解决对策213
9.6 小结215
9.7 详细的R代码216
第10章 案例8—机器学习
如何让组队游戏充满乐趣233
10.1 使组队作战的乐趣最大化234
10.2 利用数据分析为服务增加附加价值236
10.3 在数据中排除星期的影响238
10.4 构建预测模型241
10.5 解决对策248
10.6 小结249
10.7 详细的R代码250
本书评论