由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书金融商业数据分析 基于Python和SAS9787111695837
¥ ×1
前言
分析工具篇
章 数据科学与数理统计
1.1 数据科学的基本概念
1.2 数理统计技术
1.2.1 描述统计分析
1.2.2 统计推断与统计建模
第2章 SAS EG数据操作基础
2.1 SAS EG入门
2.1.1 SAS EG简介
2.1.2 SAS EG的窗口及菜单
2.2 访问数据
2.2.1 SAS EG实现方式
2.2.2 SAS程序实现方式
. 定义SAS数据集
..1 SAS数据的相关概念
..2 SAS EG实现方式
.. SAS程序实现方式
2.4 导入格式的数据文件
2.4.1 SAS EG实现方式
2.4.2 SAS程序实现方式
第3章 Python编程基础
3.1 Python概述
3.2 Anaconda的安装及使用方法
3.2.1 下载与安装
3.2.2 使用Jupyter Notebook
3.. 使用Spyder
3.2.4 使用Conda管理第三方库
3.3 Python的基本数据类型
3.3.1 字符串
3.3.2 浮点型和整型
3.3.3 布尔类型
3.3.4 数据类型
3.4 Python的基本数据结构
3.4.1 列表
3.4.2 元组
3.4.3 集合
3.4.4 字典
3.5 Python的编程结构
3.5.1 三种基本的编程结构简介
3.5.2 顺序结构
3.5.3 分支结构
3.5.4 循环结构
3.6 Python的函数与模块
3.6.1 Python的函数
3.6.2 Python的模块
3.7 使用Pandas读写结构化数据
3.7.1 读数据
3.7.2 写数据
第4章 在SAS EG中使用程序
4.1 如何在SAS EG中使用程序
4.2 SAS程序
4.2.1 SAS程序分析简介
4.2.2 DATA步
4.. PROC步
数据处理篇
第5章 描述统计分析与制图
5.1 描述统计分析
5.1.1 变量度量类型与分布类型
5.1.2 变量的统计量
5.1.3 连续变量的分布与集中趋势
5.1.4 连续变量的离散程度
5.1.5 数据分布的对称与高矮
5.2 制作报表与统计图
5.3 制图步骤及统计图适用场景
5.4 利用SAS EG进行统计分析
5.4.1 连续变量描述统计分析
5.4.2 单因子频数统计分析
5.4.3 汇总统计分析
5.4.4 绘制条形图进行统计分析
5.4.5 绘制地图进行统计分析
第6章 表数据的行处理
6.1 数据筛选
6.1.1 SAS EG实现方式
6.1.2 SAS程序实现方式
6.2 排序与求秩
6.2.1 SAS EG实现方式
6.2.2 SAS程序实现方式
6.3 抽样
6.3.1 抽样理论介绍
6.3.2 SAS EG实现方式
6.3.3 SAS程序实现方式
6.4 数据分组和汇总
6.4.1 SAS EG实现方式
6.4.2 SAS程序实现方式
第7章 表数据的列处理
7.1 构造列变量
7.2 拆分列
7.3 堆叠列
7.4 转置列
7.4.1 SAS EG实现方式
7.4.2 SAS程序实现方式
7.5 对列重编码
7.5.1 SAS EG实现方式
7.5.2 SAS程序实现方式
7.6 变量标准化
7.6.1 SAS EG实现方式
7.6.2 SAS程序实现方式
第8章 数据集的作
8.1 纵向连接
8.1.1 SAS EG实现方式
8.1.2 SAS程序实现方式
8.2 横向连接
8.2.1 SAS EG实现方式
8.2.2 SAS程序实现方式
8.3 数据集的比较
8.3.1 SAS EG实现方式
8.3.2 SAS程序实现方式
8.4 创建格式
8.4.1 相关理论介绍
8.4.2 SAS EG实现方式
8.4.3 SAS程序实现方式
8.5 删除数据集、格式和视图
8.5.1 SAS EG实现方式
8.5.2 SAS程序实现方式
第9章 利用Python处理数据
9.1 数据整合
9.1.1 行操作和列作
9.1.2 条件查询
9.1.3 横向连接
9.1.4 纵向合并
9.1.5 排序
9.1.6 分组汇总
9.1.7 拆分与堆叠列
9.1.8 赋值与条件赋值
9.2 数据清洗
9.2.1 重复值处理
9.2.2 缺失值处理
9.. 噪声值处理
9.3 实战
9.3.1 提取行为特征的RFM方法
9.3.2 使用RFM方法计算变量
9.3.3 数据整理与汇报
统计分析篇
0章 数据科学的统计推断
10.1 基本的统计学概念
10.1.1 总体、样本和统计量
10.1.2 点估计、区间估计和中心极限定理
10.2 设检验
10.2.1 理论介绍
10.2.2 利用Python实现单样本t检验
10.. 利用SAS EG实现单样本t检验
10.2.4 利用SAS EG实现双样本t检验
10.2.5 利用Python实现双样本t检验
10.3 方差分析
10.3.1 利用Python实现单因素方差分析
10.3.2 利用SAS EG实现单因素方差分析
10.3.3 利用Python实现多因素方差分析
10.3.4 利用SAS EG实现多因素方差分析
10.4 相关分析
10.4.1 相关分析理论
10.4.2 Python实现方式
10.4.3 SAS EG实现方式
10.5 列联表分析与卡方检验
10.5.1 利用Python实现列联表分析
10.5.2 利用SAS EG实现列联表分析
10.5.3 利用Python实现卡方检验
10.5.4 利用SAS EG实现卡方检验
1章 构造连续变量的预测模型
11.1 线回归模型介绍
11.1.1 简单线回归
11.1.2 多元线回归
11.2 模型的构建
11.2.1 多元线回归模型的构建
11.2.2 将连续变量和分类变量同时作为解释变量来构建模型
11.3 线回归模型的诊断
11.3.1 残差
11.3.2 强影响点
11.3.3 共线
11.4 建模流程
11.5 利用SAS EG实现客户价值预测
11.5.1 单连续变量下建模
11.5.2 多连续变量下建模
11.5.3 加入分类解释变量建模
2章 构造二分类变量的预测模型
12.1 逻辑回归入门
12.2 模型表现优劣的评估
1. 多水平值分类变量的逻辑回归
12.4 关于构造因果关系模型的讨论
12.5 利用SAS EG实现贷款违约可能预测
3章 描述数据分析方法
13.1 客户细分
13.1.1 客户细分的意义
13.1.2 根据客户利润贡献细分
13.1.3 根据个人或公司的生命历程细分
13.1.4 根据客户的产品偏好细分
13.1.5 根据客户的多维行为属细分
13.1.6 根据客户结构细分
13.1.7 综合应用
13.2 连续变量间关系探索与变量压缩
13.2.1 多元变量间关系统计基础
13.2.2 多元变量压缩的思路
13.. 主成分分析
13.2.4 因子分析
13.3 聚类分析
13.3.1 基本逻辑
13.3.2 层次聚类
13.3.3 快速聚类
13.3.4 两步法聚类
4章 时间序列分析
14.1 时间序列及其分析方法简介
14.2 利用效应分解法分析时间序列
14.2.1 时间序列的效应分解
14.2.2 SAS EG实现方式
14.. Python实现方式
14.3 平稳时间序列分析
14.3.1 平稳时间序列简介
14.3.2 AR模型、MA模型、ARMA模型简介
14.3.3 Python实现方式
14.4 非平稳时间序列分析
14.4.1 差分与ARIMA模型
14.4.2 SAS EG实现方式
14.4.3 Python实现方式
(1)作者背景资深:4位作者都是在金融领域有10~20年数据挖掘和分析经验的资深专家,技术功底深厚,业务经验丰富。(2)高维指导低维:作者在金融行业有10~20年项目实战和项目咨询经验,深知初学者的难点和痛点,量身打造,事半功倍。(3)金融业务驱动:以真实的业务场景和案例为驱动,涵盖金融数据分析的全流程,告别纯理论和不接地气。(4)从入门到进阶:帮读者零基础掌握金融数据分析的工具、思路、方法和技巧,快速实现从入门到进阶的突破。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
