[
-
内容大纲
本书在简要介绍数据分析的统计学基础后，结合实例阐释线性回归、逻辑回归、决策树、随机森林、聚类分析、主成分分析、关联规则挖掘等常用算法的原理与应用，并通过覆盖诸多业务场景的案例，如零售超市业绩评估、广告营销渠道分析、网约车运营分析、网站改版分析等，呈现数据分析的思路与方法。最后，本书还探索了ChatGPT在数据分析中的应用。
无论是数据分析初学者、数据营销分析人员、数据产品经理，还是数据科学相关专业学生，都可通过本书了解并学习实用的数据分析知识和技能。 -
作者介绍
-
目录
第1章 数据分析的统计学基础
1.1 统计学中的一些概念
1.1.1 总体与样本
1.1.2 参数与统计量
1.1.3 变量的度量类型
1.1.4 变量的分布类型
1.1.5 正态分布
1.1.6 Z分数
1.2 假设检验基础
1.2.1 假设检验的基本要点
1.2.2 大数定律和中心极限定理
1.3 Z检验
1.3.1 基本原理
1.3.2 Python实现Z检验
1.4 t检验
1.4.1 单样本t检验
1.4.2 双样本t检验
1.5 方差分析
1.5.1 基本原理
1.5.2 Python 实现方差分析
1.6 卡方检验
1.7 相关分析（相关系数与热力图）
1.7.1 Pearson相关系数
1.7.2 热力图
1.7.3 相关系数的显著性检验
第2章 多元线性回归实现房价预测
2.1 线性回归
2.1.1 简单线性回归原理
2.1.2 多元线性回归
2.2 Python实现多元线性回归
2.3 模型分析与评估
2.3.1 模型的评估指标（R方与调整R方）
2.3.2 回归系数的显著性检验
2.3.3 虚拟变量的设置
2.3.4 多重共线性的诊断
2.3.5 残差分析
2.3.6 线性回归模型评估小结
第3章 逻辑回归预测电信客户流失情况
3.1 逻辑回归
3.1.1 从相关性分析到逻辑回归
3.1.2 逻辑回归公式原理
3.2 Python中实现逻辑回归
3.3 分类模型的评估
3.3.1 模型预测
3.3.2 一致对、不一致对与相等对
3.3.3 混淆矩阵
3.3.4 ROC曲线与AUC值
第4章 决策树实现信贷违约预测
4.1 决策树的原理
4.1.1 节点、分支与深度
4.1.2 决策树的分类思想
4.1.3 信息熵、条件熵与信息增益
4.2 决策树的算法
4.2.1 ID3算法与Python实现
4.2.2 可视化决策树（传统和交互）
4.2.3C4.5 算法与Python实现
4.2.4 CART算法建树原理
4.3 决策树实现信贷违约预测的具体代码
4.3.1 网格搜索调优
4.3.2 优化决策边界
第5章 随机森林预测宽带订阅用户离网
5.1 集成学习简介
5.1.1 概述：Bagging与Boosting
5.1.2 Bagging原理与Python实现
5.2 随机森林的原理
5.3 随机森林预测宽带订阅用户离网的具体代码
第6章 深入浅出层次聚类
6.1 聚类算法概述
6.1.1 聚类算法的应用场景
6.1.2 聚类算法的变量特点
6.1.3 几种常用的聚类算法
6.2 聚类算法的分类逻辑
6.2.1 欧氏距离
6.2.2 余弦相似度
6.2.3 闵氏距离
6.3 层次聚类
6.3.1 层次树怎么看？
6.3.2 点与点、簇与簇之间的距离
6.3.3 Python实现层次聚类
6.4 聚类模型的评估
6.4.1 轮廓系数
6.4.2 平方根标准误差
6.4.3 R方
6.4.4 评估指标的选择
6.5 Python实现聚类算法评估
6.6 结果分析
第7章 K-Means聚类实现客户分群
7.1 K-Means聚类原理
7.2 Python实现K-Means聚类
7.3 数据转换方法
7.4 模型评估
7.5 结果分析
第8章 基于不平衡分类算法的反欺诈模型
8.1 不平衡分类背景
8.2 欠采样法
8.2.1 随机欠采样法
8.2.2 Tomek Link法
8.3 过采样法
8.3.1 随机过采样法
8.3.2 SMOTE法
8.4 综合采样法
8.5 Python代码实战
8.5.1 数据探索
8.5.2 过采样处理
8.5.3 决策树建模
8.5.4 结果分析与优化
第9章 主成分分析实现客户信贷评级
9.1 PCA中的信息压缩
9.2 主成分分析原理
9.2.1 信息压缩的过程
9.2.2 主成分的含义
9.3 Python实现主成分分析
第10章 Apriori算法实现智能推荐
10.1 常见的推荐算法
10.2 购物篮分析简介
10.3 关联规则
10.3.1 关联三度
10.3.2 Apriori算法原理
10.4 Python实现关联规则
10.4.1 数据探索
10.4.2 Apriori实现关联规则
10.4.3 筛选互补品与互斥品
10.5 根据关联规则结果推荐商品
10.5.1 以获得最高的营销响应率为目标
10.5.2 以最大化总体销售额为目标
10.5.3 用户并未产生消费，为其推荐某样商品
10.6 使用Apriori算法的注意事项
第11章 从变量到指标体系
11.1 变量与指标
11.2 从单个指标到指标体系
第12章 零售超市业绩评估
12.1 增长率分析法
12.2 比例分析法
12.3 投入产出比法
12.4 评估小结
第13章 广告营销渠道分析
13.1 漏斗分析法
13.2 整体结构分析法
13.3 渠道分析小结
第14章 网约车司机单日工作情况分析
14.1 单维度分类
14.2 两维度分类
14.3 数据解读小结
第15章 网约车城市运营情况分析
15.1 多维度分析法
15.2 指标关系梳理
15.3 多指标分析顺序
15.3.1 各城市完单情况分析
15.3.2 各城市过程指标分析
15.3.3 转化率分析
15.3.4 供需端分析
15.4 多维度分析小结
第16章 AB测试-教育类网站改版分析
16.1 AB测试原理
16.2 问题探索
16.3 改版效果检测
16.3.1 分层抽样函数
16.3.2 主页点击率
16.3.3 课程详情页注册率和浏览时长
16.3.4 课程学习页完课率
16.3.5 分析汇总
16.4 AB测试的不足
第17章 用户价值分析
17.1 RFM分析基础
17.1.1 R、F、M的打分方式
17.1.2 RFM模型的使用
17.2 Python实现RFM模型
17.2.1 计算R值
17.2.2 计算F值
17.2.3 计算M值
17.2.4 维度打分
17.2.5 客户分层
17.3 RFM模型指导实际业务
17.3.1 F、M矩阵分析
17.3.2 识别对价格敏感的用户
17.3.3 识别囤货用户
17.3.4 把R也考虑进来
17.4 RFM小结
第18章 用户留存分析
18.1 同期群分析基础
18.1.1 从同期群分析表看餐厅经营状况
18.1.2 从另一个视角看餐厅经营状况
18.2 Python实现同期群分析
18.2.1 神奇的intersect1d和setdiff1d
18.2.2 单月新增和留存情况
18.2.3 循环构建每个月的新增和留存
18.2.4 延伸应用
第19章 ChatGPT在数据分析领域的应用
19.1 ChatGPT的提问框架
19.2 用ChatGPT做数据分析
19.2.1 GPT处理数据
19.2.2 GPT实现假设检验
19.2.3 GPT实现分类算法
19.3 用ChatGPT分析业务问题
19.4 ChatGPT应用小结
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...