商务数据分析方法与应用（R语言）

目录
第1章　商务数据分析概论　1
1.1　数据及其商业价值　1
1.2　商务数据分析的概念和步骤　2
1.3　商务数据分析的主要应用领域　4
1.4　导学知识图谱　5
【习题】　5
第一篇　R语言篇
第2章　R语言运行环境　7
2.1　R与RStudio　7
2.2　R包的调用　9
2.3　R数据分析常用包　11
【习题】　16
第3章　R语言基本运算与数据类型　17
3.1　基本运算　17
3.2　数据类型　18
3.3　数据的输入和输出　32
【习题】　37
第4章　R语言函数　38
4.1　R内置函数　38
4.2　自定义函数　40
4.3　条件控制语句　43
4.4　循环语句　45
【习题】　46
第5章　R语言可视化和数据探索　47
5.1　基础可视化　47
5.2　数据探索和可视化　65
5.3　交互式可视化　78
【习题】　105
第二篇　方法篇
第6章　线性回归与逻辑回归　106
6.1　线性回归　106
6.2　逻辑回归　115
【习题】　124
第7章　集成学习与分类　125
7.1　基于bagging的方法　125
7.2　基于boosting的方法　131
【习题】　143
第8章　聚类与关联规则分析　144
8.1　聚类分析　144
8.2　关联规则分析　156
【习题】　163
第9章　社交网络数据分析　164
9.1　社交网络结构：人际关系特征分析　164
9.2　基本网络模型　180
9.3　网络文本分析中的两个基本定律　185
【习题】　195
第三篇　场景应用篇
第10章　电商流量分析　196
10.1　业务场景、商务问题及相关数据　196
10.2　流量分析　197
10.3　用户消费频次分析　201
10.4　用户行为在时间维度的分析　204
10.5　用户行为转化漏斗　220
10.6　用户留存率分析　227
10.7　商品销量分析　230
10.8　RFM用户分层　233
10.9　管理建议　237
第11章　客户价值分析　238
11.1　业务场景、商务问题及相关数据　238
11.2　描述性分析　239
11.3　LRFM模型　241
11.4　层次聚类分析　242
11.5　k-means聚类分析　250
11.6　客户分群结果　256
11.7　管理建议　261
第12章　用户分类预测　262
12.1　业务场景、商务问题及相关数据　262
12.2　数据预处理　263
12.3　描述性分析　265
12.4　用户流失预测模型特征提取　278
12.5　用户流失预测模型构建　283
12.6　用户流失预测　291
12.7　管理建议　292
第13章　智能推荐系统　294
13.1　业务场景、商务问题及相关数据　294
13.2　推荐系统介绍　295
13.3　recommenderlab包的介绍　296
13.4　数据准备和清理　296
13.5　利用recommenderlab包处理数据　298
13.6　建立推荐模型　300
13.7　模型的评估　301
13.8　相似性计算　303
13.9　管理建议　304
第14章　在线约会网站用户偏好分析　306
14.1　业务场景、商务问题及相关数据　306
14.2　年龄差和身高差分布　307
14.3　学历偏好　310
14.4　收入偏好　312
14.5　多属性综合偏好　314
14.6　管理建议　320
第15章　在线音乐歌单分析　321
15.1　业务场景、商务问题及相关数据　321
15.2　描述性分析　323
15.3　关联规则分析　328
15.4　k-means聚类分析　336
15.5　多元线性回归模型分析　343
15.6　LDA主题模型分析　358
15.7　歌单收藏预测　366
15.8　管理建议　376
第四篇　研究篇
第16章　在线医疗长尾分析　378
16.1　业务场景、商务问题及相关数据　378
16.2　模型构建　380
16.3　描述性分析　381
16.4　相关性分析　382
16.5　横截面数据回归分析　384
16.6　模型检验　395
16.7　结果讨论　400
第17章　社会化问答社区知识分享行为分析　401
17.1　业务场景、商务问题及相关数据　401
17.2　描述性分析　403
17.3　知识分享行为的因素分析　411
17.4　面板回归　415
17.5　结果讨论　430
第18章　非正态分布数据的统计推断　432
18.1　业务场景、商务问题及相关数据　432
18.2　数据正态性检验　432
18.3　幂律分布检验　435
18.4　总体位置参数的检验　437
18.5　单因子方差分析中的非参数方法　440
参考文献　442