●第1章 各行業中的數據分析及其應用
1.1 數據分析是什麼
1.1.1 數據采集
1.1.2 數據準備
1.1.3 數據分析
1.1.4 模型建立
1.1.5 結果
1.1.6 投入使用
1.2 分析的類型
1.3 了解數據及其類型
1.4 什麼是大數據分析
1.4.1 大數據分析的挑戰
1.4.2 數據分析和大數據工具
1.4.3 在各種行業中數據分析的作用
1.4.4 誰是分析競爭者
1.5 不同行業中的關鍵模型及其應用
1.6 小結
第2章 銀行業案例分析
2.1 在銀行部門中分析的應用
2.1.1 通過交叉銷售和向上銷售增加利潤
2.1.2 優選限度地減少客戶流失
2.1.3 增加獲取客戶的能力
2.1.4 預測銀行貸款違約
2.1.5 預測欺詐活動
2.2 案例分析：使用邏輯回歸模型預測銀行貸款違約
2.2.1 邏輯回歸方程
2.2.2 概率
2.2.3 邏輯回歸曲線
2.2.4 邏輯回歸假設
2.3 在邏輯回歸模型中的各個自變量統計檢驗
2.3.1 邏輯回歸
2.3.2 在邏輯回歸模型中預測值的驗證
2.4 基於R的邏輯回歸模型
2.4.1 關於數據
2.4.2 執行數據探索
2.4.3 接近數據的建模與解釋
2.4.4 訓練數據和測試數據的模型構建及其解釋
2.4.5 預測值驗證
2.5 基於SAS的邏輯回歸模型
2.6 小結
第3章 零售業案例分析
3.1 零售業中的供應鏈
3.2 零售商店的類型
3.3 零售行業中分析的作用
3.3.1 客戶參與
3.3.2 供應鏈優化
3.3.3 價格優化
3.3.4 空間優化和分類組合規劃
3.4 案例分析：使用SARIMA模型為Glen零售商提供銷售預測
3.5 ARIMA建模的三個步驟
3.5.1 識別階段
3.5.2 估計和診斷檢查階段
3.5.3 預測階段
3.6 季節性ARIMA模型或SARIMA
3.7 評估時間序列模型的預測準確度
3.8 基於R的季節性ARIMA模型
3.8.1 關於數據
3.8.2 對時間序列數據執行數據探索
3.9 基於SAS的季節性ARIMA模型
3.10 小結
第4章 電信案例分析
4.1 電信網絡的類型
4.2 在電信行業中分析的作用
4.2.1 預測客戶流失
4.2.2 網絡分析與優化
4.2.3 欺詐檢測和預防
4.2.4 價格優化
4.3 案例分析：使用決策樹模型預測客戶流失
4.3.1 決策樹的優點和局限性
4.3.2 處理決策樹中的缺失值
4.3.3 處理決策樹中的過擬合
4.3.4 決策樹的工作原理
4.3.5 選擇決策樹很好分割標準的量度
4.4 基於R的決策樹模型
4.4.1 關於數據
4.4.2 執行數據探索
4.4.3 將數據集拆分成訓練集和測試集
4.4.4 基於訓練數據和測試數據構建和解釋模型
4.5 基於SAS的決策樹模型
4.5.1 完整數據的模型構建和解釋
4.5.2 基於訓練數據和測試數據的模型構建和解釋
4.6 小結
第5章 醫療行業案例分析
5.1 醫療行業中分析的應用
5.1.1 預測疾病的暴發和預防性管理
5.1.2 預測患者的再住院率
5.1.3 醫療保健欺詐檢測
5.1.4 改善患者的預後，降低成本
5.2 案例分析：使用隨機森林模型預測惡性和良性乳腺腫瘤的概率
5.2.1 隨機森林算法的工作機制
5.2.2 基於R的隨機森林模型
5.2.3 基於SAS的隨機森林模型
5.3 小結
第6章 航空公司案例分析
6.1 在航空業中分析的應用
6.1.1 個性化優惠和乘客體驗
6.1.2 更安全的航行
6.1.3 航空欺詐檢測
6.1.4 預測航班延誤
6.2 案例分析：線性回歸模型預測航班延誤
6.2.線性回歸方程
6.2.線性回歸的假設及檢查是否違反了模型假設
6.2.3線性回歸模型中的變量選擇
6.2.4 線性回歸模型
6.3 基於線性回歸模型
6.3.1 關於數據
6.3.2 執行數據探索
6.3.3 基於訓練數據和測試數據進行模型構建和解釋
6.4 基於SA線性回歸模型
6.5 小結
第7章 快速消費品案例分析
7.1 FMCG行業中分析的應用
7.1.1 客戶體驗與參與
7.1.2 銷售和營銷
7.1.3 物流管理
7.1.4 降價優化
7.2 案例分析：使用RFM模型和k均值聚類進行客戶細分
7.2.1 RFM模型概述
7.2.2 k均值聚類的概述
7.3 基於R的RFM模型與k均值聚類
7.3.1 關於數據
7.3.2 執行數據探索
7.4 基於SAS的RFM模型與k均值聚類
7.5 小結

《SAS+R大數據行業應用案例分析：運用預測模型和機器學習技術/大數據應用與技術叢書》通過使用SAS和R分析語言實現預測模型和機器學習技術，檢測業務問題並使用實用的分析方法來解決問題。
對於那些精通編寫代碼並對統計有基本了解，但在實現預測模型和分析真實世界數據的機器學習技術方面經驗有限的讀者來說，《SAS+R大數據行業應用案例分析：運用預測模型和機器學習技術/大數據應用與技術叢書》是理想的選擇。解決各行業問題具挑戰性的部分是建立和部署優選的預測模型和機器學習算法的理論和實踐知識。
《SAS+R大數據行業應用案例分析：運用預測模型和機器學習技術/大數據應用與技術叢書》通過提高讀者的分析技能來解決這些行業問題。
《SAS+R大數據行業應用案例分析：運用預測模型和機器學習技術/大數據應用與技術叢書》內容：
理解分析和基本的數據概念
使用等