python数据分析实战——思路详解与案例实践 数据库 罗博炜 编 新华正版
￥ 55.3 7.0折 ￥ 79 全新
库存34件
河北保定
认证卖家担保交易快速发货售后保障
作者罗博炜 编
出版社化学工业出版社
ISBN9787122449788
出版时间2024-06
版次1
装帧平装
开本16
页数272页
字数324千字
定价79元
货号xhwx_1203319309
上书时间2024-07-15
- 最新上架
![征服过去：古学的起源 文物考古 [法]阿兰·施纳普（alainschnapp） 新华正版](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/fdcdffcf/c5d8cc9ed7b9f31a_s.jpg)
![unrealengine5c++游戏开发学教程 编程语言 贡萨洛·马克斯，[英]德文·谢里，[英]大卫·佩雷拉，[英]哈马德·福齐 新华正版](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/afecfaca/b5b64a059be94ad7_s.jpg)
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
1.知识点案例化，将不同分析方法融入案例中，培养读者的数据思维。
2.基于完整的数据分析流程，呈现多种业务场景的应用。
3.双印刷，精彩呈现代码与知识要点。
4.更有基于chatgpt的数据分析实践。
目录：
章 数据分析的统计学基础 1
1.1 统计学中的一些概念 2
1.1.1 体与样本 2
1.1.2 参数与统计量 2
1.1.3 变量的度量类型 3
1.1.4 变量的分布类型 3
1.1.5 正态分布 4
1.1.6 z分数 4
1.2 设检验基础 6
1.2.1 设检验的基本要点 7
1.2.2 大数定律和中心极限定理 9
1.3 z检验 10
1.3.1 基本 10
1.3.2 python实现z检验 11
1.4 t检验 13
1.4.1 单样本t检验 13
1.4.2 双样本t检验 14
1.5 方差分析 17
1.5.1 基本 18
1.5.2 python 实现方差分析 20
1.6 卡方检验 23
1.7 相关分析（相关系数与热力图） 24
1.7.1 pearson相关系数 25
1.7.2 热力图 26
1.7.3 相关系数的显著检验 27
第2章 多元线回归实现房价预测 29
2.1 线回归 30
2.1.1 简单线回归 30
2.1.2 多元线回归 31
2.2 python实现多元线回归 33
2.3 模型分析与评估 36
2.3.1 模型的评估指标（r方与调整r方） 36
2.3.2 回归系数的显著检验 37
2.3.3 虚拟变量的设置 38
2.3.4 多重共线的诊断 40
2.3.5 残差分析 43
2.3.6 线回归模型评估小结 48
第3章 逻辑回归预测电信客户流失情况 49
3.1 逻辑回归 50
3.1.1 从相关分析到逻辑回归 51
3.1.2 逻辑回归公式 53
3.2 python中实现逻辑回归 57
3.3 分类模型的评估 60
3.3.1 模型预测 60
3.3.2 一致对、不一致对与相等对 61
3.3.3 混淆矩阵 63
3.3.4 roc曲线与auc值 67
第4章 决策树实现信贷违约预测 70
4.1 决策树的 71
4.1.1 节点、分支与深度 71
4.1.2 决策树的分类思想 72
4.1.3 信息熵、条件熵与信息增益 74
4.2 决策树的算法 76
4.2.1 id3算法与python实现 77
4.2.2 可视化决策树（传统和交互） 77
4.2.3 c4.5算法与python实现 80
4.2.4 cart算法建树 84
4.3 决策树实现信贷违约预测的具体代码 86
4.3.1 网格搜索调优 89
4.3.2 优化决策边界 91
第5章 森林预测宽带订阅用户离网 94
5.1 集成学简介 95
5.1.1 概述：bagging与boosting 96
5.1.2 bagging与python实现 97
5.2 森林的 100
5.3 森林预测宽带订阅用户离网的具体代码 103
第6章 深入浅出层次聚类 106
6.1 聚类算法概述 107
6.1.1 聚类算法的应用场景 107
6.1.2 聚类算法的变量特点 107
6.1.3 几种常用的聚类算法 108
6.2 聚类算法的分类逻辑 108
6.2.1 欧氏距离 108
6.2.2 余弦相似度 109
6.2.3 闵氏距离 110
6.3 层次聚类 110
6.3.1 层次树怎么看？ 110
6.3.2 点与点、簇与簇之间的距离 113
6.3.3 python实现层次聚类 117
6.4 聚类模型的评估 120
6.4.1 轮廓系数 120
6.4.2 方根标准误差 121
6.4.3 r方 121
6.4.4 评估指标的选择 121
6.5 python实现聚类算法评估 121
6.6 结果分析 123
第7章 k-means聚类实现客户分群 124
7.1 k-means聚类 125
7.2 python实现k-means聚类 126
7.3 数据转换方法 127
7.4 模型评估 131
7.5 结果分析 132
第8章 基于不衡分类算法的反欺诈模型 134
8.1 不衡分类背景 135
8.2 欠采样法 136
8.2.1 欠采样法 137
8.2.2 tomek link法 137
8.3 过采样法 138
8.3.1 过采样法 138
8.3.2 smote法 138
8.4 综合采样法 139
8.5 python代码实战 140
8.5.1 数据探索 140
8.5.2 过采样处理 141
8.5.3 决策树建模 142
8.5.4 结果分析与优化 143
第9章 主成分分析实现客户信贷评级 145
9.1 pca中的信息压缩 146
9.2 主成分分析 147
9.2.1 信息压缩的过程 147
9.2.2 主成分的含义 149
9.3 python实现主成分分析 150
0章 apriori算法实现智能 155
10.1 常见的算法 156
10.2 购物篮分析简介 156
10.3 关联规则 158
10.3.1 关联三度 158
10.3.2 apriori算法 160
10.4 python实现关联规则 160
10.4.1 数据探索 160
10.4.2 apriori实现关联规则 162
10.4.3 筛选互补品与互斥品 163
10.5 根据关联规则结果商品 164
10.5.1 以获得优选的营销响应率为目标 164
10.5.2 以优选化体销售额为目标 165
10.5.3 用户并未产生消费，为其某样商品 166
10.6 使用apriori算法的注意事项 166
1章 从变量到指标体系 168
11.1 变量与指标 169
11.2 从单个指标到指标体系 170
2章 零售超市业绩评估 171
12.1 增长率分析法 172
12.2 比例分析法 175
12.3 投入产出比法 177
12.4 评估小结 178
3章 广告营销渠道分析 179
13.1 漏斗分析法 180
13.2 整体结构分析法 183
13.3 渠道分析小结 184
4章 网约车司机单工作情况分析 185
14.1 单维度分类 187
14.2 两维度分类 189
14.3 数据解读小结 196
5章 网约车城市运营情况分析 198
15.1 多维度分析法 199
15.2 指标关系梳理 200
15.3 多指标分析顺序 201
15.3.1 各城市完单情况分析 201
15.3.2 各城市过程指标分析 203
15.3.3 转化率分析 204
15.3.4 供需端分析 208
15.4 多维度分析小结 215
6章 ab测试-教育类改版分析 216
16.1 ab测试 217
16.2 问题探索 219
16.3 改版效果检测 223
16.3.1 分层抽样函数 224
16.3.2 主页点击率 226
16.3.3 课程详情页注册率和浏览时长 226
16.3.4 课程学页完课率 228
16.3.5 分析汇 229
16.4 ab测试的不足 229
7章 用户价值分析 232
17.1 rfm分析基础 233
17.1.1 r、f、m的打分方式 233
17.1.2 rfm模型的使用 235
17.2 python实现rfm模型 235
17.2.1 计算r值 237
17.2.2 计算f值 238
17.2.3 计算m值 238
17.2.4 维度打分 239
17.2.5 客户分层 240
17.3 rfm模型指导实际业务 241
17.3.1 f、m 矩阵分析 242
17.3.2 识别对价格敏感的用户 243
17.3.3 识别囤货用户 244
17.3.4 把r也虑进来 245
17.4 rfm小结 245
8章 用户留存分析 247
18.1 同期群分析基础 248
18.1.1 从同期群分析表看餐厅经营状况 248
18.1.2 从另一个视角看餐厅经营状况 249
18.2 python实现同期群分析 250
18.2.1 神奇的 intersect1d 和 setdiff1d 250
18.2.2 单月新增和留存情况 251
18.2.3 循环构建每个月的新增和留存 253
18.2.4 延伸应用 257
9章 chatgpt在数据分析领域的应用 259
19.1 chatgpt的提问框架 260
19.2 用chatgpt做数据分析 261
19.2.1 gpt处理数据 261
19.2.2 gpt实现设检验 264
19.2.3 gpt实现分类算法 267
19.3 用chatgpt分析业务问题 269
19.4 chatgpt应用小结 272
内容简介：
本书在简要介绍数据分析的统计学基础后，结合实例阐释线回归、逻辑回归、决策树、森林、聚类分析、主成分分析、关联规则挖掘等常用算法的与应用，并通过覆盖诸多业务场景的案例，如零售超市业绩评估、广告营销渠道分析、网约车运营分析、改版分析等，呈现数据分析的思路与方法。后，本书还探索了chatgpt在数据分析中的应用。
无论是数据分析初学者、数据营销分析人员、数据产品经理，还是数据科学相关专业，都可通过本书了解并学实用的数据分析知识和技能。
作者简介：
无
— 没有更多了 —
以下为对购买帮助不大的评价