R语言商务数据分析实战

图书介绍

本书的案例都来源于真实项目，每一章都对真实项目进行拆解，以任务为导向，按照解决实际任务的工作流程，逐步展开学习相关的理论知识点，推导生成可行的解决方案，最后落实在任务实现环节。通过从任务需求到实现这一完整工作流程的体验，读者可对R语言数据分析技术真正理解与掌握。

图书目录

第1章    R语言数据分析概述    1

任务1.1    认识数据分析    1
任务1.2    熟悉R语言数据分析工具    7
小结    12
课后习题    12

第2章    商品零售购物篮分析    14

任务2.1    了解购物篮分析    14
任务2.2    分析商品销售状况    16
任务2.3    使用Apriori关联规则构建购物篮分析模型    20
小结    28
实训 使用Apriori算法对西饼屋订单进行关联分析    28
课后练习    29

第3章    航空公司客户价值分析    32

任务3.1    了解航空公司现状与客户价值分析    32
任务3.2    预处理航空客户数据    35
任务3.3    使用K-Means算法进行客户分群    42
小结    50
实训    50
练习    53

第4章    财政收入预测分析    56

任务4.1    了解财政收入预测的背景与方法    56
任务4.2    分析财政收入数据特征的相关性    60
任务4.3    使用Lasso回归选取财政收入预测的关键特征    62
任务4.4    使用灰色预测和SVR构建财政收入预测模型    64
小结    71
实训    72
课后练习    74

第5章    金融服务机构资金流量预测    76

任务5.1    了解金融服务机构现状与资金流量预测    76
任务5.2    检验数据的平稳性    79
任务5.3    检验数据的纯随机性    86
任务5.4    建立ARIMA模型    88
小结    98
实训    98
练习    100

第6章    P2P信用贷款风险控制    102

任务6.1    认识P2P信贷行业的风险控制    102
任务6.2    探索P2P信贷用户逾期的相关因素    105
任务6.3    预处理P2P信贷用户数据    113
任务6.4    构建用户逾期还款概率预测模型    127
小结    132
实训    132
课后练习    134

第7章    电子商务网站智能推荐服务    136

任务7.1    了解某网站现状与智能推荐系统    136
任务7.2    使用R连接数据库并提取数值    141
任务7.3    统计网页整体流量状况    143
任务7.4    预处理网页浏览数据    154
任务7.5    构建智能推荐模型    160
小结    170
实训 实现MovieLense电影数据的智能推荐    170
课后练习    172

第8章    电商产品评论数据情感分析    175

任务8.1    了解电商企业现状与文本情感分析流程    175
任务8.2    获取电商产品评论文本数据    178
任务8.3    对电商产品评论数据进行预处理    184
任务8.4    评论数据情感倾向分析    194
任务8.5    使用LDA模型进行主题分析    200
小结    208
实训    208
课后练习    210

第9章    餐饮企业综合分析    213

任务9.1    了解餐饮企业分析需求    213
任务9.2    统计餐饮菜品数据    218
任务9.3    使用ARIMA算法预测销售额    229
任务9.4    使用协同过滤算法实现菜品的智能推荐    237
任务9.5    使用Apriori算法实现菜品的关联分析    244
任务9.6    使用K-Means算法进行客户价值分析    251
任务9.7    用决策树算法实现餐饮客户流失预测    257
小结    266
实训    266
课后练习    269