數據分析實戰(zhàn)

第1章　數據科學家的工作\t1
1．1　什么是數據科學家\t2
1．2　3種類型的數據科學家\t5
1．3　數據科學家的現狀\t8
第2章　商業(yè)數據分析流程\t9
2．1　數據分析的5個流程\t10
2．2　現狀和預期\t12
2．3　發(fā)現問題\t13
2．4　數據的收集和加工\t19
2．5　數據分析\t24
2．6　解決對策\t27
2．7　小結\t29
[分析基礎]篇
第3章　案例1—柱狀圖
為什么銷售額會減少\t35
3．1　現狀和預期\t36
3．2　發(fā)現問題\t38
3．3　數據的收集和加工\t39
3．4　數據分析\t46
3．5　解決對策\t49
3．6　小結\t50
3．7　詳細的R代碼\t51
第4章　案例2—交叉列表統(tǒng)計
什么樣的顧客會選擇離開\t61
4．1　現狀和預期\t62
4．2　發(fā)現問題\t64
4．3　數據的收集和加工\t65
4．4　數據分析\t69
4．5　解決對策\t73
4．6　小結\t75
4．7　詳細的R代碼\t76
第5章　案例3—A/B測試
哪種廣告的效果更好\t83
5．1　現狀和預期\t84
5．2　發(fā)現問題\t86
5．3　數據的收集和加工\t88
5．4　數據分析\t96
5．5　解決對策\t98
5．6　小結\t99
5．7　詳細的R代碼\t100
第6章　案例4—多元回歸分析\t105
如何通過各種廣告的組合獲得更多的用戶\t105
6．1　現狀和預期\t106
6．2　發(fā)現問題\t108
6．3　數據的收集\t112
6．4　數據分析\t114
6．5　解決對策\t117
6．6　小結\t119
6．7　詳細的R代碼\t120
[分析應用]篇
第7章　案例5—邏輯回歸分析
根據過去的行為能否預測當下\t125
7．1　期望增加游戲的智能手機用戶量\t126
7．2　是用戶賬號遷轉設定失敗導致的問題嗎\t128
7．3　在數據不包含正解的情況下收集數據\t131
7．4　驗證是否能夠建立模型\t144
7．5　解決對策\t148
7．6　小結\t149
7．7　詳細的R代碼\t150
第8章　案例6—聚類
應該選擇什么樣的目標用戶群\t163
8．1　希望了解用戶的特點\t164
8．2　基于行為模式的用戶分類\t165
8．3　把主成分作為自變量來使用\t168
8．4　進行聚類\t176
8．5　解決對策\t180
8．6　小結\t181
8．7　詳細的R代碼\t182
第9章　案例7—決策樹分析
具有哪些行為的用戶會是長期用戶\t193
9．1　希望減少用戶開始游戲后不久就離開的情況\t194
9．2　了解“樂趣”的結構\t195
9．3　把類作為自變量\t198
9．4　進行決策樹分析\t210
9．5　解決對策\t213
9．6　小結\t215
9．7　詳細的R代碼\t216
第10章　案例8—機器學習
如何讓組隊游戲充滿樂趣\t233
10．1　使組隊作戰(zhàn)的樂趣最大化\t234
10．2　利用數據分析為服務增加附加價值\t236
10．3　在數據中排除星期的影響\t238
10．4　構建預測模型\t241
10．5　解決對策\t248
10．6　小結\t249
10．7　詳細的R代碼\t250