《用商业案例学R语言数据挖掘》 作者 常国珍 经管之家,电子工业出版社
教材相关资料下载:
链接:https://pan.baidu.com/s/1uUkuCh_AeO23AlMAHEXcYQ 密码:d4u8
本书前言
本书有别于其它数据挖掘书籍最大的特点在于参与写作的主要作者均为非理工科背景且具有数据挖掘岗位工作8年以上的实际工作经验,且从事3年以上的培训工作。这使得本书更贴近实际运用的同时,紧抓初学者的痛点,语言更浅显易懂,操作性更强。当然,这也使得本书在前沿方法的讲解上略显不足。因为一个算法要在商业数据挖掘中得到运用需要大致3-5年的时间。所以本书仅适合数据挖掘入门人员使用。而且本系列教材强调追求浅显易懂,只注重视运用中是否够用,不关心算法知识的全面性,因此在算法推导过程中降低了难度,不涉及非关键且不易理解的部分。当读者从事数据挖掘2-3年后,本书的知识就不能满足其更深的需求,需要参考更深入的书籍,比如更专业的《统计学习方法》、《机器学习》等。
本书按照数据挖掘工程师规范化学习体系而定,对于一名初学者,应该先掌握必要的编程工具、统计理论基础,数据挖掘算法等内容。进而,数据挖掘需要根据业务问题选择合适的方法,按照标准流程,即数据的获取、储存、整理、清洗、归约等系列数据处理技术,并最终得出结果,绘制图表并解读数据,这些内容在每版图书中进行了详细的讲解和操作分析。
本书整体风格是“理论>技术>应用”的一个学习过程,最终目的在于商业业务应用,为欲从事于数据挖掘领域的各界人士提供了一个规范化数据分析师的学习体系。
本书是一本面向商业数据分析初学者的教材,从具体的商业数据分析案例入手,使读者掌握数据挖掘的目的、理念、思路与分析步骤。本书力图淡化技术,对于方法的介绍也尽量避免涉及过多的数学内容,和高等数学相关的内容只在线形回归和主成分分析这两节中涉及到,而且都辅以图形作形象的展现。因此本书的读者只需要具有高中水平的数学基础即可。但是本书强调每种方法的假设、适用条件都与商业数据分析的主题匹配。在教学实践中,我们发现业务经验丰富和有较好商业模式理解的学员,在学习数据挖掘时有更好的效果,主要原因可能是这类学员有较强的思辨能力、分析能力、学习目的性和质量意识,而不是简单的模仿和套用数学公式。
当前R和Python等开源软件方兴未艾,但是这类软件学习曲线缓慢,使很多初学者的热情在进入数据分析的核心领域之前就消逝殆尽。商业数据分析的真正目的是为了解决业务的分析需求,构造稳健的数据挖掘模型。数据挖掘产品的质量是通过对分析流程的严格掌控而得以保障的。本书注重实用,直指数据挖掘实施的要点,精选业界使用最广泛的实施方案,为读者节约宝贵的时间。
相对于Python,R偏向于统计分析、计量经济学和统计内容。R不仅在学术研究中拥有广泛的用户基础,而且和Oracle、SQLsever等数据库软件的结合使其不再受内存的限制,从而在商业上有了一定的用武之地。而且R和Hadoop、Spark等大数据分析平台也可以自由连接。
本书包括16章,内容涉及使用R做数据挖掘的主要分析方法。其中,第1、2章为数据分析方法概述,第3章为R语言编程基础,第4章至第8章为统计学习方法,第9章至第15章为数据挖掘方法。第16章为时间序列分析方法。每章都根据涉及的知识点的不同,选取了实用的案例,并为读者准备了相应的思考和练习题。
为方便读者学习,本书提供书中案例的源文件下载,请读者进入CDA官网(http://cda.cn/)的相应专栏下载数据和源代码。
本书作为市场上第一本CDA数据挖掘教材,和其他统计软件图书有很大的不同,文体结构新颖,案例贴近实际,讲解深入透彻。这些特点主要表现在以下几方面:
本书从互联网、电商、电信、银行等商业案例中进行精心归纳、提炼出各类数据分析的运用场景,方便读者查找与实际工作相似的问题。
本书案例中的“解决方案”环节是对问题的思路解说,结合“操作方法”环节中的步骤让读者更容易理解。“原理分析”环节则主要解释所使用代码的工作原理或者详细解释思路。“知识扩展”环节是对与案例相关的知识点的补充,既能拓展读者的视野,同时也有利于理解案例本身的解决思路。
本书注重培养读者解决问题的思路,以最朴实的思维方式结合启发式的描述,帮助读者发现、总结和运用规律,从而启发读者快速地找出解决问题的方法。
俗话说,打把势全凭架势,像不像,三分样。只有熟悉数据挖掘的流程,才能实现从模仿到灵活运用的提升。在产品质量管理方面,对流程的掌控是成功的关键,在数据挖掘过程中,流程同样是重中之重。数据挖掘是一个先后衔接的过程,一个步骤的失误会带来完全错误的结果。一个数据挖掘的流程大致包括抽样、数据清洗、数据转换、建模和模型评估这几个步骤。如果抽样中的取数逻辑不正确,就有可能使因果关系倒置,因而得到完全相反的结论。如果数据转换方的法选择不正确,模型就难以得到预期的结果。而且,数据分析是一个反复试错的过程,每一步都要求有详细的记录和操作说明,否则数据挖掘人员很可能迷失方向。
学习数据挖掘最好的方法就是动手做一遍,本书语言通俗但高度凝炼,很少有公式,以避免读者产生麻痹大意的思想。本书按照相关商业数据分析主题提供了相应的练习数据,同时提供相关方面的参考资料,供学员学习。
本书读者可以在CDA官网(http://cda.cn/) 版块就书中的问题进行提问,也欢迎大家就自己遇到的业务问题和大家讨论。
本书由CDA数据分析研究院策划,常国珍、曾珂、朱江负责编写和完成统稿。
丛书从策划到出版,倾注了电子工业出版社计算机图书分社张慧敏、石倩、王静、张童等多位编辑的心血,特在此表示衷心的感谢!
为保证丛书的质量,使其更贴近读者,我们组织了著名学者和工作在数据挖掘一线的工程师参与了本书的预读工作,他们是李御玺教授、瞿辉工程师。感谢两位预读员的辛勤、耐心与细致,使得本丛书能以更加完善的面目与各位读者见面。
尽管作者们对书中的案例精益求精,但疏漏仍然在所难免,如果您发现书中的错误或认为某个案例有更好的解决方案,敬请登录社区网站向作者反馈,我们将尽快在社区中给出回复,且在本书再次印刷时作出修正。
再次感谢您的支持!
数据分析咨询请扫描二维码
CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2022-03-18CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01