新書推薦：
《
希腊神话和仪式中的结构与历史
》
售價：HK$
93.6
《
世界花纹与图案大典
》
售價：HK$
357.6
《
周制与秦制
》
售價：HK$
153.6
《
花路
》
售價：HK$
105.6
《
万亿指数
》
售價：HK$
105.6
《
中世纪英国的财政、军事与外交（中外文明传承与交流研究书系）
》
售價：HK$
93.6
《
缺席者的历史：以色列十个遗失的部落
》
售價：HK$
93.6
《
晚清洋务运动始末
》
售價：HK$
95.8
|
| 內容簡介： |
|
本书分为三部分。部分通过对于商务数据分析概念、理论、应用和分析框架的介绍，帮助读者建立对商务数据的范畴和应用的初步认知。第二部分分类别介绍了商务数据分析的常见方法，包括数据获取与理解、数据预处理与特征工程、计量模型、数据挖掘模型、社会网络分析模型、可视化等。通过具体的商务数据分析示例的介绍和解析，帮助读者理解和学习这些方法的基本原理，以及此方法在数据分析整体框架中所起到的作用。第三部分基于商务实际数据，以案例的方式介绍了商务数据分析的常见应用，包括购买预测、销量预测、流失预测、客户细分、商品推荐等，并按照分析框架进行介绍，让读者不仅了解商务数据分析的具体应用，还加深了对于商务数据分析框架的认识。本教材适用于商业分析、数据科学、大数据技术、信息管理信息系统、电子商务、计算机应用等专业。
|
| 關於作者： |
李倩，中国人民大学信息学院副教授。主要研究领域为商务数据分析、技术瘾、大数据分析与应用。主持和参与国家自然科学基金多个项目。
许伟，中国人民大学信息学院教授，博士生导师。青年人才，北京市科技新星，北京市优秀人才，中国人民大学杰出学者。中国人民大学信息学院经济信息管理系主任、信息系统与大数据应用实验室主任。主要研究领域为金融科技、商业分析、智慧城市、社交媒体。获得北京市哲学社会科学优秀成果奖等省部级以上奖励多项。
张文平，中国人民大学信息学院副教授，主要研究领域包括复杂数据处理，大数据挖掘，商业分析，区块链技术应用，可解释AI。主持和参与国家自然科学基金多个项目。
|
| 目錄：
|
部分 商务数据分析基本概念与框架
章 商务数据分析基本概念 / 3
节 商务数据分析概述 / 3
1.数据类型 / 3
2.数据分析类型 / 4
3.数据分析方法 / 5
第二节 商务分析理论 / 6
1. 4P理论 / 6
2.用户画像 / 8
3.用户点击流分析 / 9
4.顾客价值 / 9
第三节 数据分析主要应用 / 10
1.市场营销 / 10
2.运营管理 / 11
3.产品研发 / 12
第二章 商务数据分析框架 / 13
1.问题明确 / 13
2.数据理解 / 13
3.数据预处理 / 14
4.模型建立 / 15
5.模型评价 / 19
6.模型发布 / 19
第二部分 商务数据分析常用方法
第三章 数据获取与数据理解 / 23
节 数据获取 / 23
1.直接获取 / 23
2.间接获取 / 24
第二节 数据描述 / 25
1.集中趋势分析 / 26
2.离散程度分析 / 29
3.分布形状分析 / 31
习题 / 33
第四章数据预处理 / 34
节数据预处理 / 34
1.数据预处理的目的 / 34
2.数据预处理的主要任务 / 34
3.数据清洗 / 35
4.数据集成 / 39
5.数据变换 / 40
6.数据规约 / 44
第二节特征工程 / 46
1.特征选择的目的 / 47
2.特征选择的过程 / 48
3.子集搜索 / 49
4.子集评价 / 51
5.特征选择的方法 / 51
习题 / 55
第五章计量模型 / 56
节时间序列分析 / 56
1.时间序列分析简介 / 56
2.时间序列建模:平稳性检验 / 57
3.平稳时间序列常用模型:AR，MA与ARMA / 59
4.非平稳时间序列 / 62
第二节回归模型 / 66
1.回归模型评价标准 / 67
2.线性回归 / 69
3.非线性回归 / 71
4.回归模型和回归系数的显著性 / 72
5.多重共线性的检验 / 73
习题 / 75
第六章数据挖掘分类预测模型 / 76
节分类模型评价标准 / 76
第二节逻辑回归 / 79
1.从线性回归到逻辑回归 / 79
2.逻辑回归的参数优化 / 80
3.逻辑回归小结 / 81
4.二分类算法应用于多分类问题 / 81
第三节决策树 / 82
1.信息熵 / 82
2.信息熵、不确定性与集合纯度 / 84
3.信息增益 / 85
4.常见的决策树算法 / 87
5.决策树的剪枝 / 89
6.决策树小结 / 89
第四节贝叶斯算法 / 90
1.贝叶斯概率 / 90
2.贝叶斯公式 / 90
3.朴素贝叶斯算法 / 92
4.非朴素贝叶斯算法 / 93
5.贝叶斯算法小结 / 94
第五节 k近邻算法 / 94
1.基本k近邻算法 / 94
2.k近邻算法的三个基本要素 / 94
3.改进近邻算法:kd树的构造 / 96
4.k近邻算法小结 / 99
第六节支持向量机 / 99
1.SVM基本原理 / 99
2.软间隔 / 101
3.SVM中的核函数 / 102
4.SVM算法的特点 / 104
第七节人工神经网络 / 104
1.神经网络基本结构 / 105
2.神经元模型 / 106
3.BP神经网络 / 108
4.BP神经网络特点 / 110
第八节分类和预测算法扩展 / 111
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
