數(shù)據(jù)分析實戰(zhàn)

定　價：￥45.00

作　者：	[日] 酒卷隆治，里洋平著；肖峰譯
出版社：	人民郵電出版社
叢編項：	圖靈程序設計叢書
標　簽：	計算機?網(wǎng)絡數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787115454539	出版時間：	2017-05-01	包裝：	平裝
開本：	大32開	頁數(shù)：	254	字數(shù)：

內(nèi)容簡介

　　數(shù)據(jù)分析實戰(zhàn) 由實戰(zhàn)經(jīng)驗豐富的兩位數(shù)據(jù)分析師執(zhí)筆，數(shù)據(jù)分析實戰(zhàn) 首先介紹了商業(yè)領(lǐng)域里通用的數(shù)據(jù)分析框架，然后根據(jù)該框架，結(jié)合8個真實的案例，詳細解說了通過數(shù)據(jù)分析解決各種商業(yè)問題的流程，讓讀者在解決問題的過程中學習各種數(shù)據(jù)分析方法，包括柱狀圖、交叉列表統(tǒng)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。特別是書中使用的數(shù)據(jù)都是未經(jīng)清洗的原始數(shù)據(jù)，對如何加工數(shù)據(jù)以用于數(shù)據(jù)分析也進行了詳細的介紹。讀者可以使用R語言實際操作數(shù)據(jù)，體驗真實的數(shù)據(jù)分析流程，避免紙上談兵。

作者簡介

　　酒卷隆治（作者）浦和出身。環(huán)境學博士畢業(yè)。就職于株式會社DRECOM數(shù)據(jù)分析部門。擅長人類行動日志的分析?，F(xiàn)主要從事社交游戲和在線服務的日志分析工作。里洋平（作者）種子島出身。就職于株式會社DRECOM數(shù)據(jù)分析部門。擅長使用R語言進行數(shù)據(jù)分析，現(xiàn)主要從事數(shù)據(jù)分析環(huán)境的搭建和數(shù)據(jù)分析工作。合著有《數(shù)據(jù)科學養(yǎng)成讀本》（技術(shù)評論社）、《R包使用手冊》（東京圖書）。肖峰（譯者）日本東京工業(yè)大學計算機工學博士。曾在日本樂天株式會社樂天技術(shù)研究所從事研究工作。2013年回國后加入新浪，現(xiàn)任新浪個性化推薦團隊算法負責人。擁有豐富的數(shù)據(jù)分析與建模能力。

圖書目錄

第1章　數(shù)據(jù)科學家的工作\t1
1．1　什么是數(shù)據(jù)科學家\t2
1．2　3種類型的數(shù)據(jù)科學家\t5
1．3　數(shù)據(jù)科學家的現(xiàn)狀\t8
第2章　商業(yè)數(shù)據(jù)分析流程\t9
2．1　數(shù)據(jù)分析的5個流程\t10
2．2　現(xiàn)狀和預期\t12
2．3　發(fā)現(xiàn)問題\t13
2．4　數(shù)據(jù)的收集和加工\t19
2．5　數(shù)據(jù)分析\t24
2．6　解決對策\t27
2．7　小結(jié)\t29
[分析基礎(chǔ)]篇
第3章　案例1—柱狀圖
為什么銷售額會減少\t35
3．1　現(xiàn)狀和預期\t36
3．2　發(fā)現(xiàn)問題\t38
3．3　數(shù)據(jù)的收集和加工\t39
3．4　數(shù)據(jù)分析\t46
3．5　解決對策\t49
3．6　小結(jié)\t50
3．7　詳細的R代碼\t51
第4章　案例2—交叉列表統(tǒng)計
什么樣的顧客會選擇離開\t61
4．1　現(xiàn)狀和預期\t62
4．2　發(fā)現(xiàn)問題\t64
4．3　數(shù)據(jù)的收集和加工\t65
4．4　數(shù)據(jù)分析\t69
4．5　解決對策\t73
4．6　小結(jié)\t75
4．7　詳細的R代碼\t76
第5章　案例3—A/B測試
哪種廣告的效果更好\t83
5．1　現(xiàn)狀和預期\t84
5．2　發(fā)現(xiàn)問題\t86
5．3　數(shù)據(jù)的收集和加工\t88
5．4　數(shù)據(jù)分析\t96
5．5　解決對策\t98
5．6　小結(jié)\t99
5．7　詳細的R代碼\t100
第6章　案例4—多元回歸分析\t105
如何通過各種廣告的組合獲得更多的用戶\t105
6．1　現(xiàn)狀和預期\t106
6．2　發(fā)現(xiàn)問題\t108
6．3　數(shù)據(jù)的收集\t112
6．4　數(shù)據(jù)分析\t114
6．5　解決對策\t117
6．6　小結(jié)\t119
6．7　詳細的R代碼\t120
[分析應用]篇
第7章　案例5—邏輯回歸分析
根據(jù)過去的行為能否預測當下\t125
7．1　期望增加游戲的智能手機用戶量\t126
7．2　是用戶賬號遷轉(zhuǎn)設定失敗導致的問題嗎\t128
7．3　在數(shù)據(jù)不包含正解的情況下收集數(shù)據(jù)\t131
7．4　驗證是否能夠建立模型\t144
7．5　解決對策\t148
7．6　小結(jié)\t149
7．7　詳細的R代碼\t150
第8章　案例6—聚類
應該選擇什么樣的目標用戶群\t163
8．1　希望了解用戶的特點\t164
8．2　基于行為模式的用戶分類\t165
8．3　把主成分作為自變量來使用\t168
8．4　進行聚類\t176
8．5　解決對策\t180
8．6　小結(jié)\t181
8．7　詳細的R代碼\t182
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\t193
9．1　希望減少用戶開始游戲后不久就離開的情況\t194
9．2　了解“樂趣”的結(jié)構(gòu)\t195
9．3　把類作為自變量\t198
9．4　進行決策樹分析\t210
9．5　解決對策\t213
9．6　小結(jié)\t215
9．7　詳細的R代碼\t216
第10章　案例8—機器學習
如何讓組隊游戲充滿樂趣\t233
10．1　使組隊作戰(zhàn)的樂趣最大化\t234
10．2　利用數(shù)據(jù)分析為服務增加附加價值\t236
10．3　在數(shù)據(jù)中排除星期的影響\t238
10．4　構(gòu)建預測模型\t241
10．5　解決對策\t248
10．6　小結(jié)\t249
10．7　詳細的R代碼\t250