返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 实用预测分析 (美)拉尔夫·温特斯(Ralph Winters) 著;刘江一,陈瑶,刘旭斌 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (美)拉尔夫?温特斯著 | | 刘江一//陈瑶//刘旭斌译
    • 出版社: 机械工业出版社
    • 出版时间:2018-07-01 12:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)拉尔夫?温特斯著| 刘江一//陈瑶//刘旭斌译
    • 出版社:机械工业出版社
    • 出版时间:2018-07-01 12:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-07-01
    • 字数:275
    • 页数:370
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    实用预测分析

    作  者:(美)拉尔夫·温特斯(Ralph Winters) 著;刘江一,陈瑶,刘旭斌 译
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2018年07月01日
    页  数:370
    装  帧:平装
    ISBN:9787111603351
    主编推荐

    内容简介

    拉尔夫·温特斯著的《实用预测分析/数据分析与决策技术丛书》由经验丰富的数据架构师撰写,着眼于提高开发、实行预测分析所需的六项关键实用技能,系统阐述应用预测分析的原理和技术,并通过大量来自市场营销、零售和医疗领域的真实案例,详细讲解使用R、Spark等开源工具进行预测分析的实用方法和技巧。全书共12章,靠前章概述预测分析的发展历史及在各行各业中的应用;第2章讨论两种重要分析方法:CRISP-DM和SEMMA;第3章介绍数据输入和数据探索的各种方法;第4章和第5章分别详细讨论四种核心预测算法,即回归、决策树、聚类和支持向量机(SVM);第6章介绍生存分析技术并展示如何使用生存分析来解释和预测客户流失;第7章介绍关联规则和购物篮分析的概念及其应用;第8章介绍时间序列分析;第9章介绍SparkR;靠前0章展示如何用SparkR和Spark SQL执行一些探索性数据分析;靠前1章介绍如何使null

    作者简介

    拉尔夫·温特斯(Ralph Winters),目前在一家医疗服务公司担任数据架构师。他已经给很多名列世界500强的大企业提供过自己在统计和分析方面的经验,包括金融、市场营销、保险、医疗和制药领域的企业。他的工作包括很多不同类型的预测分析项目,包括客户保留、反洗钱、客户之声文本挖掘分析,以及医疗风险和客户选择模型。

    精彩内容

    目录
    译者序
    关于作者
    关于审校者
    前言
    第1章预测分析入门1
    1.1许多行业中都有预测分析2
    1.1.1市场营销中的预测分析2
    1.1.2医疗中的预测分析2
    1.1.3其他行业中的预测分析3
    1.2技能和角色在预测分析中都很重要3
    1.3预测分析软件4
    1.3.1开源软件5
    1.3.2闭源软件5
    1.3.3和平共处5
    1.4其他有用的工具5
    1.4.1超越基础知识6
    1.4.2数据分析/研究6
    1.4.3数据工程6
    1.4.4管理7
    1.4.5数据科学团队7
    1.4.6看待预测分析的两种不同方式7
    1.5R8
    1.5.1CRAN8
    1.5.2安装R语言8
    1.5.3其他安装R语言的方法8
    1.6预测分析项目是如何组织的9
    1.7图形用户界面10
    1.8RStudio入门11
    1.8.1重新布局以保持和示例一致11
    1.8.2部分重要面板的简要描述12
    1.8.3创建新项目13
    1.9R语言控制台14
    1.10源代码窗口15
    1.11个预测模型16
    1.12第二个脚本18
    1.12.1代码描述19
    1.12.2predict函数20
    1.12.3检验预测误差21
    1.13R语言包22
    1.13.1stargazer包22
    1.13.2安装stargazer包23
    1.13.3保存工作24
    1.14参考资料24
    1.15本章小结24
    第2章建模过程25
    2.1结构化方法的优点25
    2.2分析过程方法26
    2.2.1CRISP-DM和SEMMA27
    2.2.2CRISP-DM和SEMMA的图表27
    2.2.3敏捷过程28
    2.2.4六西格玛和根本原因28
    2.2.5是否需要数据抽样28
    2.2.6使用所有数据29
    2.2.7比较样本与群体29
    2.3第一步:理解业务30
    2.4第二步:理解数据36
    2.4.1衡量尺度36
    2.4.2单变量分析38
    2.5第三步:数据准备43
    2.6第四步:建模44
    2.6.1具体模型说明45
    2.6.2逻辑回归46
    2.6.3支持向量机47
    2.6.4决策树47
    2.6.5降维技术51
    2.6.6主成分51
    2.6.7聚类52
    2.6.8时间序列模型52
    2.6.9朴素贝叶斯分类器53
    2.6.10文本挖掘技术54
    2.7第五步:评估57
    2.7.1模型验证58
    2.7.2曲线下面积59
    2.7.3样本内和样本外测试、前进测试60
    2.7.4训练/测试/验证数据集60
    2.7.5时间序列验证61
    2.7.6很好优选模型的基准测试61
    2.7.7专家意见:人与机器61
    2.7.8元分析61
    2.7.9飞镖板方法61
    2.8第六步:部署62
    2.9参考资料62
    2.10本章小结62
    第3章输入和探索数据64
    3.1数据输入64
    3.1.1文本文件输入65
    3.1.2数据库表格66
    3.1.3电子表格文件67
    3.1.4XML和JSON数据67
    3.1.5生成你自己的数据68
    3.1.6处理大型文件的技巧68
    3.1.7数据整理68
    3.2连接数据69
    3.2.1使用sqldf函数69
    3.2.2生成数据70
    3.2.3检查元数据71
    3.2.4使用内部连接和外部连接来合并数据72
    3.2.5识别有多个购买记录的成员73
    3.2.6清除冗余记录74
    3.3探索医院数据集74
    3.3.1str(df)函数的输出74
    3.3.2View函数的输出75
    3.3.3colnames函数75
    3.3.4summary函数76
    3.3.5在浏览器中打开文件77
    3.3.6绘制分布图77
    3.3.7变量的可视化绘图78
    3.4转置数据帧80
    3.5缺失值84
    3.5.1建立缺失值测试数据集84
    3.5.2缺失值的不同类型85
    3.5.3纠正缺失值87
    3.5.4使用替换过的值运行回归90
    3.6替换分类变量91
    3.7异常值91
    3.7.1异常值为什么重要91
    3.7.2探测异常值92
    3.8数据转换96
    3.8.1生成测试数据97
    3.8.2Box-Cox转换97
    3.9变量化简/变量重要性98
    3.9.1主成分分析法98
    3.9.2全子集回归102
    3.9.3变量重要性104
    3.10参考资料106
    3.11本章小结106
    第4章回归算法导论107
    4.1监督学习模型和无监督学习模型108
    4.1.1监督学习模型108
    4.1.2无监督学习模型108
    4.2回归技术109
    4.3广义线性模型110
    4.4逻辑回归110
    4.4.1比率111
    4.4.2逻辑回归系数111
    4.4.3示例:在医疗中使用逻辑回归来预测疼痛阈值112
    4.4.4GLM模型拟合114
    4.4.5检验残差项115
    4.4.6添加变量的分布图116
    4.4.7p值及其效应量117
    4.4.8p值及其影响范围118
    4.4.9变量选择119
    4.4.10交互121
    4.4.11拟合优度统计量123
    4.4.12置信区间和Wald统计124
    4.4.13基本回归诊断图124
    4.4.14分布图类型描述124
    4.4.15拟合优度:Hosmer-Lemeshow检验126
    4.4.16正则化127
    4.4.17示例:ElasticNet128
    4.4.18选择一个正确的Lambda128
    4.4.19基于Lambda输出可能的系数129
    4.5本章小结130
    第5章决策树、聚类和SVM导论131
    5.1决策树算法131
    5.1.1决策树的优点131
    5.1.2决策树的缺点132
    5.1.3决策树的基本概念132
    5.1.4扩展树132
    5.1.5不纯度133
    5.1.6控制树的增长134
    5.1.7决策树算法的类型134
    5.1.8检查目标变量135
    5.1.9在rpart模型中使用公式符号135
    5.1.10图的解释136
    5.1.11输出决策树的文本版本137
    5.1.12修剪138
    5.1.13渲染决策树的其他选项139
    5.2聚类分析140
    5.2.1聚类分析应用于多种行业140
    5.2.2什么是聚类140
    5.2.3聚类的类型141
    5.2.4k均值聚类算141
    ……
    第6章使用生存分析来预测和分析客户流失
    第7章使用购物篮分析作为推荐系统引擎
    第8章将医疗注册数据作为时间序列探索
    第9章Spark
    第10章用Spark探索大型数据集
    第11章Spark机器学习:回归和聚类模型
    第12章Spark模型:基于规则的学习

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购