《商務數據分析》是2023年清華大學出版社出版的圖書，作者是黃翼。
基本介紹
- 中文名：商務數據分析
- 作者：黃翼
- 出版時間：2023年4月1日
- 出版社：清華大學出版社
- ISBN：9787302626046
- 定價：59 元
內容簡介,圖書目錄,
內容簡介
大數據時代，產業呈現數位化趨勢，使大數據成為核心的生產要素，進而成為推動經濟高質量發展的新動能。以數據生成、採集、存儲、清洗、挖掘、分析、服務為主的大數據產業已成為新興產業，是實現產業結構升級的新路徑。為普及數據素養和技能，構建大數據思維，《商務數據分析》通過介紹數據挖掘方法在商務領域的套用，驅動好奇心，認知商務情境；發現業務問題，明確詮釋問題；探索數據鏡像世界，科學處理、分析數據；理性做出預測、決策，有條不紊地表達，充分發揮數據的商業價值。
圖書目錄
目 錄
第一部分 大數據基礎
第一章 大數據導論 3
一、什麼是大數據 3
二、為何要做數據挖掘 5
三、數據分析的套用 7
練習題 10
第二章 大數據技術 11
一、大數據的技術框架 11
二、與大數據處理相關的技術 12
三、數據挖掘的一般流程 14
練習題 16
第二部分 Python編程基礎
第三章 Python環境搭建 19
一、Python的版本與安裝 19
二、PyCharm的安裝與使用 23
三、Anaconda的安裝與使用 27
練習題 30
第四章 Python編程基礎 31
一、Python變數設定和賦值數據類型 31
二、Python的運算符 38
三、控制流 42
四、常用函式 49
五、Python基礎語法 50
練習題 54
第五章 Python數據挖掘 55
一、NumPy模組 55
二、Pandas模組 68
練習題 106
第六章 Python數據可視化 107
一、數據可視化 107
二、Pandas繪圖 111
三、Matplotlib其他繪圖 120
練習題 123
第三部分 數據挖掘基礎
第七章 數據預處理 127
一、數據存在的問題 127
二、數據預處理的手段 129
練習題 138
第八章 多元線性回歸 139
一、介紹 139
二、解釋模型與預測模型 139
三、回歸方程的估計與預測 140
四、線性回歸中的變數選擇 141
練習題 143
第九章 K-NN算法 145
一、K-NN分類器(分類結果) 145
二、K-NN表示數值結果 147
三、K-NN算法的優勢和劣勢 147
練習題 147
第十章 樸素貝葉斯分類器 149
一、介紹 149
二、使用完全(精確)貝葉斯分類器預測 150
三、樸素貝葉斯分類器的優缺點 153
練習題 155
第十一章 分類回歸樹 156
一、介紹 156
二、分類樹 157
三、評估分類樹的性能 161
四、避免過度擬合 162
五、樹的分類規則 164
六、兩類以上的分類樹 164
七、回歸樹 165
八、改進預測：隨機森林和增強樹 166
九、樹的優點和缺點 167
練習題 167
第十二章 邏輯回歸 169
一、介紹 169
二、邏輯回歸模型 170
三、評估分類性能 172
四、變數的選擇 173
五、邏輯回歸分析 175
練習題 180
第十三章 神經網路 181
一、介紹 181
二、神經網路的概念與結構 181
三、使網路適應數據 182
四、必需的輸入 188
五、預測因素與結果的關係探討 189
六、神經網路的優缺點 190
練習題 191
第十四章 判別分析 192
一、介紹 192
二、記錄與類的距離 194
三、費雪線性分類函式 195
四、判別分析的分類性能 195
五、先驗機率 196
六、不均衡的錯誤分類代價 196
七、超過兩類的分類問題 196
八、判別分析的優勢與劣勢 198
練習題 198
第十五章 關聯規則與協同過濾 200
一、關聯規則 200
二、協同過濾 206
三、總結 212
練習題 212
第十六章 聚類分析 214
一、介紹 214
二、測量兩條記錄之間的距離 217
三、兩簇間距離測量 221
四、分層(凝聚)聚類 222
五、非層次聚類 226
練習題 228
第十七章 時間序列預測 230
一、介紹 230
二、描述性與預測性建模 231
三、商業中流行的預測方法 231
四、時間序列成分 231
五、數據分區和性能評估 234
練習題 236
第十八章 社交網路分析 237
一、介紹 237
二、有向網路與無向網路 238
三、可視化和分析網路 239
四、社交數據度量和分類 241
五、使用網路指標進行預測和分類 244
六、優點和缺點 248
練習題 249
第十九章 文本挖掘 250
一、介紹 250
二、文本的表格式表示：術語-文檔矩陣和“詞袋” 250
三、詞袋與文檔意義提取 251
四、文本預處理 252
五、實現數據挖掘方法 255
六、總結 258
練習題 258
第四部分 經典商務數據分析案例
第二十章 國際套用案例 261
案例一 銀行金融行銷 261
案例二 波士頓住房 262
案例三 電腦的選擇 262
案例四 DriveTime汽車 266
案例五 寶潔公司洗衣皂 270
案例六 Studenmund餐廳 271
案例七 悉尼交通 272
案例八 ToutBay 273
案例九 查爾斯讀書俱樂部 275
案例十 德國信貸 279
案例十一 Tayko軟體目錄 283
案例十二 拒接計程車電話 287
案例十三 肥皂消費者細分 288
案例十四 交叉銷售 290
案例十五 預測破產 291
第二十一章 國內套用案例 294
案例一 終端換機預測 294
案例二 高校本科生就業問題研究 296
案例三 國內旅遊收入影響因素研究 300
案例四 航空公司客戶價值分析 301
案例五 數據分析的其他商務套用 304
參考文獻 309
