R语言商务数据分析实战 韩宝国,张良均 主编 著作 专业科技 文轩网

第 1章  R语言数据分析概述  1任务1.1  认识数据分析  11.1.1  掌握数据分析的概念  11.1.2  熟悉数据分析的流程  21.1.3  了解数据分析应用场景  4任务1.2  熟悉R语言数据分析工具  51.2.1  了解数据分析常用工具  61.2.2  了解R语言数据分析的优势  61.2.3  了解R语言数据分析常用的Packages  7小结  10课后习题  10第 2章  商品零售购物篮分析  12任务2.1  了解购物篮分析  122.1.1  分析商品零售企业现状  122.1.2  了解某商品零售企业基本数据情况  132.1.3  熟悉购物篮分析的步骤与流程  13任务2.2  分析商品销售状况  142.2.1  分析热销商品  142.2.2  分析商品结构  152.2.3  任务实现  17任务2.3  使用Apriori关联规则构建购物篮分析模型  182.3.1  了解Apriori算法的基本原理与使用方法  182.3.2  分析结果  232.3.3  任务实现  24小结  24实训  使用Apriori算法对西饼屋订单进行关联分析  25课后习题  25第3章  航空公司客户价值分析  28任务3.1  了解航空公司现状与客户价值分析  283.1.1  了解航空公司现状  283.1.2  了解客户价值分析  303.1.3  熟悉航空客户价值分析的步骤与流程  30任务3.2  预处理航空客户数据  313.2.1  处理数据缺失值与异常值  313.2.2  构建航空客户价值分析的关键特征  313.2.3  标准化LRFMC的5个特征  353.2.4  任务实现  36任务3.3  使用K-Means算法进行客户分群  373.3.1  了解K-Means聚类算法  373.3.2  分析聚类结果  383.3.3  模型应用  413.3.4  任务实现  42小结  43实训  43实训1  处理信用卡数据异常值  43实训2  构造信用卡客户风险评价关键特征  45实训3  构建K-Means聚类模型  45课后习题  46第4章  财政收入预测分析  48任务4.1  了解财政收入预测的背景与方法  484.1.1  分析财政收入预测背景  484.1.2  了解财政收入预测的方法  504.1.3  熟悉财政收入预测的步骤与流程  51任务4.2  分析财政收入数据特征的相关性  514.2.1  了解相关性分析  514.2.2  分析计算结果  524.2.3  任务实现  53任务4.3  使用Lasso回归方法选取财政收入预测的关键特征  534.3.1  了解Lasso回归方法  534.3.2  分析Lasso回归结果  544.3.3  任务实现  54任务4.4  使用灰色预测和SVR构建财政收入预测模型  554.4.1  了解灰色预测算法  554.4.2  了解SVR算法  564.4.3  分析预测结果  584.4.4  任务实现  60小结  61实训  61实训1  求取企业所得税各特征间的相关系数  61实训2  选取企业所得税预测关键特征  62实训3  构建企业所得税预测模型  62课后习题  62第5章  金融服务机构资金流量预测  64任务5.1  了解金融服务机构现状与资金流量预测  645.1.1  分析金融服务机构现状  645.1.2  认识资金流量预测  655.1.3  熟悉金融服务机构资金流量预测的步骤与流程  66任务5.2  检验数据的平稳性  675.2.1  检验平稳性  675.2.2  处理非平稳序列  695.2.3  任务实现  71任务5.3  检验数据的纯随机性  725.3.1  了解纯随机性检验  735.3.2  检验纯随机性  735.3.3  任务实现  74任务5.4  建立ARIMA模型  745.4.1  了解ARIMA模型  745.4.2  识别模型阶数  755.4.3  建立ARIMA模型  765.4.4  任务实现  81小结  83实训  83实训1  检验资金赎回数据的平稳性与纯随机性  83实训2  识别资金赎回数据集的阶数  83实训3  构建ARIMA模型  83课后习题  84第6章  P2P信用贷款风险控制  85任务6.1  认识P2P信贷行业的风险控制  856.1.1  分析P2P信贷行业的现状  866.1.2  了解某P2P平台数据情况  866.1.3  熟悉用户逾期预测的步骤与流程  87任务6.2  探索P2P信贷用户逾期的相关因素  886.2.1  分析用户信息完善程度与逾期率的关系  886.2.2  分析用户信息修改情况与逾期率的关系  896.2.3  分析用户所在区域经济发展情况与逾期率的关系  906.2.4  分析借款月份与逾期率的关系  916.2.5  任务实现  92任务6.3  预处理P2P信贷用户数据  956.3.1  使用第三方平台信息构建新特征  956.3.2  对登录信息表与更新信息表进行长宽表转换  956.3.3  清洗P2P信贷数据  976.3.4  任务实现  98任务6.4  构建用户逾期还款概率预测模型  1076.4.1  了解GBM算法  1076.4.2  评价GBM模型  1086.4.3  分析结果  1096.4.4  任务实现  109小结  111实训  111实训1  探索某银行贷款数据规律  111实训2  预处理某银行贷款数据  111实训3  使用GBM算法构建信贷审批模型  111课后习题  112第7章  电子商务网站智能推荐服务  113任务7.1  了解某网站现状与智能推荐系统  1137.1.1  分析某网站现状  1137.1.2  了解智能推荐服务  1157.1.3  熟悉网站智能推荐的步骤与流程  116任务7.2  使用R连接数据库并提取数据  1177.2.1  访问数据库  1177.2.2  任务实现  118任务7.3  统计网页整体流量状况  1187.3.1  分析网页类型  1197.3.2  分析网页点击次数  1227.3.3  分析网页排名  1237.3.4  任务实现  124任务7.4  预处理网页浏览数据  1307.4.1  删除不符合规则的网页  1307.4.2  还原翻页网址  1317.4.3  划分正确的网页类别  1317.4.4  选择用户和用户访问网页记录  1327.4.5  任务实现  133任务7.5  构建智能推荐模型  1367.5.1  了解协同过滤算法  1367.5.2  评价智能推荐模型  1397.5.3  分析模型结果  1427.5.4  任务实现  142小结  144实训  实现MovieLense电影数据的智能推荐  144实训1  清洗MovieLense原始数据  144实训2  构建MovieLense智能推荐模型  144实训3  评估推荐系统模型  145课后习题  145第8章  电商产品评论数据情感分析  147任务8.1  了解电商企业现状与文本情感分析流程  1478.1.1  分析电商企业现状  1478.1.2  了解电商产品评论数据  1488.1.3  实现电商评论数据情感分析的步骤与流程  149任务8.2  获取电商产品评论数据  1498.2.1  了解R语言获取网络数据的方法  1498.2.2  了解数据获取的方法  1518.2.3  任务实现  153任务8.3  对电商产品评论数据进行预处理  1568.3.1  去除评论数据中的重复数据  1568.3.2  清洗评论数据  1568.3.3  对评论数据进行分词  1578.3.4  去除停用词  1588.3.5  提取有意义的评论  1598.3.6  绘制词云查看分词效果  1608.3.7  任务实现  162任务8.4  评论数据情感倾向分析  1638.4.1  匹配情感词  1648.4.2  修正情感倾向  1648.4.3  检验情感分析效果  1648.4.4  任务实现  165任务8.5  使用LDA模型进行主题分析  1698.5.1  了解LDA主题模型  1698.5.2  寻找最 优主题数  1718.5.3  进行LDA主题分析  1718.5.4  评价主题分析结果  1728.5.5  任务实现  173小结  176实训  176实训1  清洗酒店评论原始数据  176实训2  对酒店评论数据进行预处理  176实训3  使用LDA模型建模并分析酒店评论  177课后习题  177第9章  餐饮企业综合分析  179任务9.1  了解餐饮企业分析需求  1799.1.1  分析餐饮企业现状与需求  1809.1.2  了解餐饮企业数据基本状况  1819.1.3  熟悉餐饮企业数据分析的步骤与流程  183任务9.2  统计餐饮菜品数据  1849.2.1  统计每日用餐人数与销售额  1849.2.2  统计菜品热销度  1909.2.3  统计菜品的毛利率  1919.2.4  任务实现  192任务9.3  使用ARIMA算法预测销售额  1949.3.1  检验平稳性和纯随机性  1949.3.2  构建ARIMA模型  1969.3.3  任务实现  198任务9.4  使用协同过滤算法实现菜品的智能推荐  2019.4.1  选取特征  2029.4.2  使用基于物品的智能推荐算法进行推荐  2029.4.3  了解基于用户的智能推荐算法  2039.4.4  分析协同过滤结果  2039.4.5  任务实现  204任务9.5  使用Apriori算法实现菜品的关联分析  2079.5.1  构建Apriori模型  2079.5.2  分析关联规则结果  2099.5.3  任务实现  210任务9.6  使用K-Means算法进行客户价值分析  2149.6.1  构建关键特征  2149.6.2  构建K-Means模型  2149.6.3  分析K-Means模型结果  2159.6.4  任务实现  217任务9.7  用决策树算法实现餐饮客户流失预测  2199.7.1  了解客户流失  2199.7.2  了解决策树算法  2209.7.3  构建客户流失特征  2219.7.4  分析决策树模型结果  2239.7.5  任务实现  223小结  226实训  226实训1  使用ARIMA模型预测网站访问量  226实训2  使用决策树算法实现运营商客户流失预测  227实训3  使用协同过滤算法实现网站的智能推荐  227实训4  使用Apriori算法实现网站的关联分析  227实训5  使用K-Means算法实现运营商客户价值分析  228课后习题  228