第一部分 商務(wù)數(shù)據(jù)分析基本概念與框架
第一章 商務(wù)數(shù)據(jù)分析基本概念 / 3
第一節(jié) 商務(wù)數(shù)據(jù)分析概述 / 3
1.數(shù)據(jù)類型 / 3
2.數(shù)據(jù)分析類型 / 4
3.數(shù)據(jù)分析方法 / 5
第二節(jié) 商務(wù)分析理論 / 6
1. 4P理論 / 6
2.用戶畫像 / 8
3.用戶點擊流分析 / 9
4.顧客價值 / 9
第三節(jié) 數(shù)據(jù)分析主要應(yīng)用 / 10
1.市場營銷 / 10
2.運營管理 / 11
3.產(chǎn)品研發(fā) / 12
第二章 商務(wù)數(shù)據(jù)分析框架 / 13
1.問題明確 / 13
2.數(shù)據(jù)理解 / 13
3.數(shù)據(jù)預(yù)處理 / 14
4.模型建立 / 15
5.模型評價 / 19
6.模型發(fā)布 / 19
第二部分 商務(wù)數(shù)據(jù)分析常用方法
第三章 數(shù)據(jù)獲取與數(shù)據(jù)理解 / 23
第一節(jié) 數(shù)據(jù)獲取 / 23
1.直接獲取 / 23
2.間接獲取 / 24
第二節(jié) 數(shù)據(jù)描述 / 25
1.集中趨勢分析 / 26
2.離散程度分析 / 29
3.分布形狀分析 / 31
習(xí)題 / 33
第四章數(shù)據(jù)預(yù)處理 / 34
第一節(jié)數(shù)據(jù)預(yù)處理 / 34
1.數(shù)據(jù)預(yù)處理的目的 / 34
2.數(shù)據(jù)預(yù)處理的主要任務(wù) / 34
3.數(shù)據(jù)清洗 / 35
4.數(shù)據(jù)集成 / 39
5.數(shù)據(jù)變換 / 40
6.數(shù)據(jù)規(guī)約 / 44
第二節(jié)特征工程 / 46
1.特征選擇的目的 / 47
2.特征選擇的過程 / 48
3.子集搜索 / 49
4.子集評價 / 51
5.特征選擇的方法 / 51
習(xí)題 / 55
第五章計量模型 / 56
第一節(jié)時間序列分析 / 56
1.時間序列分析簡介 / 56
2.時間序列建模:平穩(wěn)性檢驗 / 57
3.平穩(wěn)時間序列常用模型:AR，MA與ARMA / 59
4.非平穩(wěn)時間序列 / 62
第二節(jié)回歸模型 / 66
1.回歸模型評價標(biāo)準(zhǔn) / 67
2.線性回歸 / 69
3.非線性回歸 / 71
4.回歸模型和回歸系數(shù)的顯著性 / 72
5.多重共線性的檢驗 / 73
習(xí)題 / 75
第六章數(shù)據(jù)挖掘分類預(yù)測模型 / 76
第一節(jié)分類模型評價標(biāo)準(zhǔn) / 76
第二節(jié)邏輯回歸 / 79
1.從線性回歸到邏輯回歸 / 79
2.邏輯回歸的參數(shù)優(yōu)化 / 80
3.邏輯回歸小結(jié) / 81
4.二分類算法應(yīng)用于多分類問題 / 81
第三節(jié)決策樹 / 82
1.信息熵 / 82
2.信息熵、不確定性與集合純度 / 84
3.信息增益 / 85
4.常見的決策樹算法 / 87
5.決策樹的剪枝 / 89
6.決策樹小結(jié) / 89
第四節(jié)貝葉斯算法 / 90
1.貝葉斯概率 / 90
2.貝葉斯公式 / 90
3.樸素貝葉斯算法 / 92
4.非樸素貝葉斯算法 / 93
5.貝葉斯算法小結(jié) / 94
第五節(jié) k最近鄰算法 / 94
1.基本k最近鄰算法 / 94
2.k最近鄰算法的三個基本要素 / 94
3.改進最近鄰算法:kd樹的構(gòu)造 / 96
4.k最近鄰算法小結(jié) / 99
第六節(jié)支持向量機 / 99
1.SVM基本原理 / 99
2.軟間隔 / 101
3.SVM中的核函數(shù) / 102
4.SVM算法的特點 / 104
第七節(jié)人工神經(jīng)網(wǎng)絡(luò) / 104
1.神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) / 105
2.神經(jīng)元模型 / 106
3.BP神經(jīng)網(wǎng)絡(luò) / 108
4.BP神經(jīng)網(wǎng)絡(luò)特點 / 110
第八節(jié)分類和預(yù)測算法擴展 / 111
1.數(shù)據(jù)不平衡問題 / 111
2.集成學(xué)習(xí) / 112
習(xí)題 / 115
第七章數(shù)據(jù)挖掘聚類與關(guān)聯(lián)規(guī)則模型 / 116
第一節(jié)聚類 / 116
1.聚類概念 / 116
2.K-Means聚類 / 117
3.基于密度的聚類方法 / 120
4.層級凝聚聚類（HAC） / 121
5.聚類效果評價指標(biāo) / 122
第二節(jié)關(guān)聯(lián)規(guī)則 / 124
1.關(guān)聯(lián)規(guī)則的基本概念 / 124
2.關(guān)聯(lián)規(guī)則常用評價標(biāo)準(zhǔn) / 125
3.關(guān)聯(lián)規(guī)則挖掘基礎(chǔ):頻繁項集與強規(guī)則 / 126
4.關(guān)聯(lián)規(guī)則挖掘算法Apriori / 126
5.關(guān)聯(lián)規(guī)則挖掘算法FP-growth / 128
6.關(guān)聯(lián)規(guī)則挖掘算法ECLAT / 131
7.關(guān)聯(lián)規(guī)則的其他評價標(biāo)準(zhǔn) / 133
習(xí)題 / 135
第八章社會網(wǎng)絡(luò)分析模型 / 136
第一節(jié)社會網(wǎng)絡(luò)分析基本概念 / 136
1.基本結(jié)構(gòu) / 136
2.網(wǎng)絡(luò)的表示 / 137
3.路徑 / 137
4.距離 / 138
5.連通圖與連通分量 / 139
6.割點、橋、結(jié)構(gòu)洞 / 139
第二節(jié)社會網(wǎng)絡(luò)的度量方法 / 140
1.網(wǎng)絡(luò)規(guī)模和密度 / 140
2.中心性 / 141
第三節(jié) 社會網(wǎng)絡(luò)的性質(zhì) / 147
1.同質(zhì)性 / 148
2.三元閉包 / 148
3.強弱關(guān)系 / 149
4.平衡網(wǎng)絡(luò) / 149
5.網(wǎng)絡(luò)級聯(lián) / 150
第四節(jié) 社會網(wǎng)絡(luò)分析在商務(wù)問題中的應(yīng)用 / 152
1.基于社區(qū)識別的推薦 / 152
2.病毒營銷 / 153
3.基于商品網(wǎng)絡(luò)的推薦 / 153
習(xí)題 / 154
第九章復(fù)雜數(shù)據(jù)分析方法 / 155
第一節(jié)文本處理 / 155
1.文本預(yù)處理 / 155
2.文本特征提取 / 156
3.文本情感分析 / 160
第二節(jié)圖像處理 / 162
1.顏色特征 / 162
2.紋理特征 / 163
3.形狀特征 / 164
4.空間關(guān)系特征 / 164
5.關(guān)鍵特征 / 165
6.視覺詞袋特征 / 165
7.SentiBank語義特征 / 166
8.其他特征 / 166
習(xí)題 / 167
第十章數(shù)據(jù)可視化 / 168
第一節(jié)可視化的作用 / 168
第二節(jié)數(shù)據(jù)可視化的常用圖表 / 168
1.適合單特征展示的圖形 / 169
2.適合多個特征展示的圖形 / 171
第三節(jié)用圖形展示模型結(jié)果 / 173
1.模型結(jié)果展示 / 173
2.模型與變量間關(guān)系展示 / 174
3.模型間對比展示 / 175
第四節(jié) 常用的可視化工具 / 175
1. Excel / 175
2.語言代碼內(nèi)作圖工具 / 175
3.界面化可視化工具 / 176
4.社會網(wǎng)絡(luò)可視化工具 / 177
習(xí)題 / 177
第三部分商業(yè)應(yīng)用
第十一章預(yù)測模型應(yīng)用 / 181
第一節(jié) 購買預(yù)測 / 181
1.問題描述 / 181
2.數(shù)據(jù)理解 / 181
3.數(shù)據(jù)預(yù)處理 / 182
4.模型建立 / 183
5.模型評價 / 183
6.案例小結(jié) / 183
第二節(jié) 流失預(yù)測 / 184
1.問題描述 / 184
2.數(shù)據(jù)理解 / 184
3.數(shù)據(jù)預(yù)處理 / 184
4.模型建立 / 185
5.模型評價 / 185
6.案例小結(jié) / 185
第三節(jié) 銷量預(yù)測 / 185
1.問題描述 / 185
2.數(shù)據(jù)理解 / 186
3.數(shù)據(jù)預(yù)處理:數(shù)據(jù)清洗 / 186
4.數(shù)據(jù)預(yù)處理:特征工程 / 187
5.模型建立 / 188
6.模型評價 / 188
7.案例小結(jié) / 189
第十二章 分類模型應(yīng)用 / 191
第一節(jié) 客戶細分 / 191
1.問題描述 / 191
2.數(shù)據(jù)理解 / 191
3.數(shù)據(jù)預(yù)處理 / 192
4.模型建立 / 194
5.模型評價 / 195
6.案例小結(jié) / 196
第十三章 推薦系統(tǒng)應(yīng)用 / 197
1.問題描述 / 197
2.數(shù)據(jù)理解 / 197
3.模型建立 / 198
4.模型評價 / 199
5.案例小結(jié) / 200
參考文獻 / 201