| | | | 實用預測分析 [美]拉爾夫·溫特斯（Ralph Winters） 數據分析與 | | 該商品所屬分類：圖書 -> 機械工業出版社 | | 【市場價】 | 684-992元 | | 【優惠價】 | 428-620元 | | 【作者】 | 拉爾夫·溫特斯劉江一 | | 【出版社】 | 機械工業出版社 | | 【ISBN】 | 9787111603351 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
店鋪：機械工業出版社官方旗艦店 出版社：機械工業出版社 ISBN：9787111603351 商品編碼：10026483166450 品牌：機械工業出版社（CMP） 出版時間：2018-07-01 頁數：200 字數：275000 審圖號：9787111603351 作者：拉爾夫·溫特斯,劉江一
" 
商品參數
| 商品基本信息 | | 商品名稱： | 實用預測分析 | | 作者： | [美]拉爾夫·溫特斯（Ralph Winters） | | 市場價： | 89.00 | | ISBN號： | 9787111603351 | | 版次： | 1-1 | | 出版日期： | | | 頁數： | 370 | | 字數： | 275 | | 出版社： | 機械工業出版社 |
內容介紹
本書詳細講述了預測分析的原理、技術及實現，並深入討論了大數據。重點著眼於掌握提高開發、實行預測分析所需的6項關鍵實用技能。本書還提供了來自市場、醫療和零售等行業的真實案例，有助於讀者針對產品實現自己的預測分析。
關聯推薦
本書是一本與眾不同的預測分析書，從技術和概念的角度介紹了很多不同的主題，如分析方法、數據、SQL、抽樣和生存分析等。書中首先簡潔地講述預測分析的發展歷史及R安裝基礎知識，然後詳細介紹預測分析建模的6個步驟，你將學習輸入、清洗以及準備建模數據所需的技巧。作者還探討了為什麼協作非常重要，敏捷迭代建模循環如何提高你的成功率，使你能順利開發並部署佳的模型，進而在雲計算環境中進一步擴展你的技能，通過學習Databricks和SparkR，你將能夠對海量的數據進行預測模型的開發。
通過閱讀本書，你將：
?掌握如今業務上使用的核心預測分析算法
?學習實現一個成功的預測分析項目的6個步驟
?根據需求遴選正確的算法
?使用預測分析來研究醫療領域的問題
?實現預測分析來挽留和獲得你的客戶
?利用文本挖掘來理解非結構化數據
?在個人電腦或者Spark/Hadoop環境中開發模型
?為客戶實現預測分析產品
目錄
Contents 目錄 譯者序 關於作者 關於審校者 前言 *1章預測分析入門 1 1.1許多行業中都有預測分析 2 1.1.1市場營銷中的預測分析 2 1.1.2醫療中的預測分析 2 1.1.3其他行業中的預測分析 3 1.2技能和角色在預測分析中都很重要 3 1.3預測分析軟件 4 1.3.1開源軟件 5 1.3.2閉源軟件 5Contents 目錄
譯者序
關於作者
關於審校者
前言
*1章預測分析入門 1
1.1許多行業中都有預測分析 2
1.1.1市場營銷中的預測分析 2
1.1.2醫療中的預測分析 2
1.1.3其他行業中的預測分析 3
1.2技能和角色在預測分析中都很重要 3
1.3預測分析軟件 4
1.3.1開源軟件 5
1.3.2閉源軟件 5
1.3.3和平共處 5
1.4其他有用的工具 5
1.4.1超越基礎知識 6
1.4.2數據分析/研究 6
1.4.3數據工程 6
1.4.4管理 7
1.4.5數據科學團隊 7
1.4.6看待預測分析的兩種不同方式 7
1.5R 8
1.5.1CRAN 8
1.5.2安裝R語言 8
1.5.3其他安裝R語言的方法 8
1.6預測分析項目是如何組織的 9
1.7圖形用戶界面 10
1.8RStudio入門 11
1.8.1重新布局以保持和示例一致 11
1.8.2部分重要面板的簡要描述 12
1.8.3創建新項目 13
1.9R語言控制臺 14
1.10源代碼窗口 15
1.11*一個預測模型 16
1.12*二個腳本 18
1.12.1代碼描述 19
1.12.2predict函數 20
1.12.3檢驗預測誤差 21
1.13R語言包 22
1.13.1stargazer包 22
1.13.2安裝stargazer包 23
1.13.3保存工作 24
1.14參考資料 24
1.15本章小結 24
*2章建模過程 25
2.1結構化方法的優點 25
2.2分析過程方法 26
2.2.1CRISP-DM和SEMMA 27
2.2.2CRISP-DM和SEMMA的圖表 27
2.2.3敏捷過程 28
2.2.4六西格瑪和根本原因 28
2.2.5是否需要數據抽樣 28
2.2.6使用所有數據 29
2.2.7比較樣本與群體 29
2.3*一步：理解業務 30
2.4*二步：理解數據 36
2.4.1衡量尺度 36
2.4.2單變量分析 38
2.5第三步：數據準備 43
2.6第四步：建模 44
2.6.1具體模型說明 45
2.6.2邏輯回歸 46
2.6.3支持向量機 47
2.6.4決策樹 47
2.6.5降維技術 51
2.6.6主成分 51
2.6.7聚類 52
2.6.8時間序列模型 52
2.6.9樸素貝葉斯分類器 53
2.6.10文本挖掘技術 54
2.7第五步：評估 57
2.7.1模型驗證 58
2.7.2曲線下面積 59
2.7.3樣本內和樣本外測試、前進測試 60
2.7.4訓練/測試/驗證數據集 60
2.7.5時間序列驗證 61
2.7.6*佳*軍模型的基準測試 61
2.7.7專家意見：人與機器 61
2.分析 61
2.7.9飛鏢板方法 61
2.8第六步：部署 62
2.9參考資料 62
2.10本章小結 62
第3章輸入和探索數據 64
3.1數據輸入 64
3.1.1文本文件輸入 65
3.1.2數據庫表格 66
3.1.3電子表格文件 67
3.1.4XML和JSON數據 67
3.1.5生成你自己的數據 68
3.1.6處理大型文件的技巧 68
3.1.7數據整理 68
3.2連接數據 69
3.2.1使用sqldf函數 69
3.2.2生成數據 70
3.2.數據 71
3.2.4使用內部連接和外部連接來合並數據 72
3.2.5識別有多個購買記錄的成員 73
3.2.6清除冗餘記錄 74
3.3探索醫院數據集 74
3.3.1str(df)函數的輸出 74
3.3.2View函數的輸出 75
3.3.3colnames函數 75
3.3.4summary函數 76
3.3.5在瀏覽器中打開文件 77
3.3.6繪制分布圖 77
3.3.7變量的可視化繪圖 78
3.4轉置數據幀 80
3.5缺失值 84
3.5.1建立缺失值測試數據集 84
3.5.2缺失值的不同類型 85
3.5.3糾正缺失值 87
3.5.4使用替換過的值運行回歸 90
3.6替換分類變量 91
3.7異常值 91
3.7.1異常值為什麼重要 91
3.7.2探測異常值 92
3.8數據轉換 96
3.8.1生成測試數據 97
3.8.2Box-Cox轉換 97
3.9變量化簡/變量重要性 98
3.9.1主成分分析法 98
3.9.2全子集回歸 102
3.9.3變量重要性 104
3.10參考資料 106
3.11本章小結 106
第4章回歸算法導論 107
4.1監督學習模型和無監督學習模型 108
4.1.1監督學習模型 108
4.1.2無監督學習模型 108
4.2回歸技術 109
4.3廣義線性模型 110
4.4邏輯回歸 110
4.4.1比率 111
4.4.2邏輯回歸繫數 111
4.4.3示例：在醫療中使用邏輯回歸來預測疼痛閾值 112
4.4.4GLM模型擬合 114
4.4.5檢驗殘差項 115
4.4.6添加變量的分布圖 116
4.4.7p值及其效應量 117
4.4.8p值及其影響範圍 118
4.4.9變量選擇 119
4.4.10交互 121
4.4.11擬合優度統計量 123
4.4.12置信區間和Wald統計 124
4.4.13基本回歸診斷圖 124
4.4.14分布圖類型描述 124
4.4.15擬合優度：Hosmer-Lemeshow檢驗 126
4.4.16正則化 127
4.4.17示例：ElasticNet 128
4.4.18選擇一個正確的Lambda 128
4.4.19基於Lambda輸出可能的繫數 129
4.5本章小結 130
第5章決策樹、聚類和SVM導論 131
5.1決策樹算法 131
5.1.1決策樹的優點 131
5.1.2決策樹的缺點 132
5.1.3決策樹的基本概念 132
5.1.4擴展樹 132
5.1.5不純度 133
5.1.6控制樹的增長 134
5.1.7決策樹算法的類型 134
5.1.8檢查目標變量 135
5.1.9在rpart模型中使用公式符號 135
5.1.10圖的解釋 136
5.1.11輸出決策樹的文本版本 137
5.1.12修剪 138
5.1.13渲染決策樹的其他選項 139
5.2聚類分析 140
5.2.1聚類分析應用於多種行業 140
5.2.2什麼是聚類 140
5.2.3聚類的類型 141
5.2.4k均值聚類算 顯示全部信息
" | | |
| | | | |
|
