商务数据分析(大数据与人工智能系列0

**部分 商务数据分析基本概念与框架
**章 商务数据分析基本概念 / 3
**节 商务数据分析概述 / 3
1．数据类型 / 3
2．数据分析类型 / 4
3．数据分析方法 / 5
第二节 商务分析理论 / 6
1． 4P理论 / 6
2．用户画像 / 8
3．用户点击流分析 / 9
4．顾客价值 / 9
第三节 数据分析主要应用 / 10
1．市场营销 / 10
2．运营管理 / 11
3．产品研发 / 12
第二章 商务数据分析框架 / 13
1．问题明确 / 13
2．数据理解 / 13
3．数据预处理 / 14
4．模型建立 / 15
5．模型评价 / 19
6．模型发布 / 19
第二部分 商务数据分析常用方法
第三章 数据获取与数据理解 / 23
**节 数据获取 / 23
1．直接获取 / 23
2．间接获取 / 24
第二节 数据描述 / 25
1．集中趋势分析 / 26
2．离散程度分析 / 29
3．分布形状分析 / 31
习题 / 33
第四章数据预处理 / 34
**节数据预处理 / 34
1．数据预处理的目的 / 34
2．数据预处理的主要任务 / 34
3．数据清洗 / 35
4．数据集成 / 39
5．数据变换 / 40
6．数据规约 / 44
第二节特征工程 / 46
1．特征选择的目的 / 47
2．特征选择的过程 / 48
3．子集搜索 / 49
4．子集评价 / 51
5．特征选择的方法 / 51
习题 / 55
第五章计量模型 / 56
**节时间序列分析 / 56
1．时间序列分析简介 / 56
2．时间序列建模：平稳性检验 / 57
3．平稳时间序列常用模型：AR，MA与ARMA / 59
4．非平稳时间序列 / 62
第二节回归模型 / 66
1．回归模型评价标准 / 67
2．线性回归 / 69
3．非线性回归 / 71
4．回归模型和回归系数的显著性 / 72
5．多重共线性的检验 / 73
习题 / 75
第六章数据挖掘分类预测模型 / 76
**节分类模型评价标准 / 76
第二节逻辑回归 / 79
1．从线性回归到逻辑回归 / 79
2．逻辑回归的参数优化 / 80
3．逻辑回归小结 / 81
4．二分类算法应用于多分类问题 / 81
第三节决策树 / 82
1．信息熵 / 82
2．信息熵、不确定性与集合纯度 / 84
3．信息增益 / 85
4．常见的决策树算法 / 87
5．决策树的剪枝 / 89
6．决策树小结 / 89
第四节贝叶斯算法 / 90
1．贝叶斯概率 / 90
2．贝叶斯公式 / 90
3．朴素贝叶斯算法 / 92
4．非朴素贝叶斯算法 / 93
5．贝叶斯算法小结 / 94
第五节 k*近邻算法 / 94
1．基本k*近邻算法 / 94
2．k*近邻算法的三个基本要素 / 94
3．改进*近邻算法：kd树的构造 / 96
4．k*近邻算法小结 / 99
第六节支持向量机 / 99
1．SVM基本原理 / 99
2．软间隔 / 101
3．SVM中的核函数 / 102
4．SVM算法的特点 / 104
第七节人工神经网络 / 104
1．神经网络基本结构 / 105
2．神经元模型 / 106
3．BP神经网络 / 108
4．BP神经网络特点 / 110
第八节分类和预测算法扩展 / 111
1．数据不平衡问题 / 111
2．集成学习 / 112
习题 / 115
第七章数据挖掘聚类与关联规则模型 / 116
**节聚类 / 116
1．聚类概念 / 116
2．K-Means聚类 / 117
3．基于密度的聚类方法 / 120
4．层级凝聚聚类（HAC） / 121
5．聚类效果评价指标 / 122
第二节关联规则 / 124
1．关联规则的基本概念 / 124
2．关联规则常用评价标准 / 125
3．关联规则挖掘基础：频繁项集与强规则 / 126
4．关联规则挖掘算法Apriori / 126
5．关联规则挖掘算法FP-growth / 128
6．关联规则挖掘算法ECLAT / 131
7．关联规则的其他评价标准 / 133
习题 / 135
第八章社会网络分析模型 / 136
**节社会网络分析基本概念 / 136
1．基本结构 / 136
2．网络的表示 / 137
3．路径 / 137
4．距离 / 138
5．连通图与连通分量 / 139
6．割点、桥、结构洞 / 139
第二节社会网络的度量方法 / 140
1．网络规模和密度 / 140
2．中心性 / 141
第三节 社会网络的性质 / 147
1．同质性 / 148
2．三元闭包 / 148
3．强弱关系 / 149
4．平衡网络 / 149
5．网络级联 / 150
第四节 社会网络分析在商务问题中的应用 / 152
1．基于社区识别的推荐 / 152
2．病毒营销 / 153
3．基于商品网络的推荐 / 153
习题 / 154
第九章复杂数据分析方法 / 155
**节文本处理 / 155
1．文本预处理 / 155
2．文本特征提取 / 156
3．文本情感分析 / 160
第二节图像处理 / 162
1．颜色特征 / 162
2．纹理特征 / 163
3．形状特征 / 164
4．空间关系特征 / 164
5．关键特征 / 165
6．视觉词袋特征 / 165
7．SentiBank语义特征 / 166
8．其他特征 / 166
习题 / 167
第十章数据可视化 / 168
**节可视化的作用 / 168
第二节数据可视化的常用图表 / 168
1．适合单特征展示的图形 / 169
2．适合多个特征展示的图形 / 171
第三节用图形展示模型结果 / 173
1．模型结果展示 / 173
2．模型与变量间关系展示 / 174
3．模型间对比展示 / 175
第四节 常用的可视化工具 / 175
1． Excel / 175
2．语言代码内作图工具 / 175
3．界面化可视化工具 / 176
4．社会网络可视化工具 / 177
习题 / 177
第三部分商业应用
第十一章预测模型应用 / 181
**节 购买预测 / 181
1．问题描述 / 181
2．数据理解 / 181
3．数据预处理 / 182
4．模型建立 / 183
5．模型评价 / 183
6．案例小结 / 183
第二节 流失预测 / 184
1．问题描述 / 184
2．数据理解 / 184
3．数据预处理 / 184
4．模型建立 / 185
5．模型评价 / 185
6．案例小结 / 185
第三节 销量预测 / 185
1．问题描述 / 185
2．数据理解 / 186
3．数据预处理：数据清洗 / 186
4．数据预处理：特征工程 / 187
5．模型建立 / 188
6．模型评价 / 188
7．案例小结 / 189
第十二章 分类模型应用 / 191
**节 客户细分 / 191
1．问题描述 / 191
2．数据理解 / 191
3．数据预处理 / 192
4．模型建立 / 194
5．模型评价 / 195
6．案例小结 / 196
第十三章 推荐系统应用 / 197
1．问题描述 / 197
2．数据理解 / 197
3．模型建立 / 198
4．模型评价 / 199
5．案例小结 / 200
参考文献 / 201