R語言商務(wù)數(shù)據(jù)分析實戰(zhàn)

第 1章　R語言數(shù)據(jù)分析概述　1

任務(wù)1．1　認(rèn)識數(shù)據(jù)分析　1

1．1．1　掌握數(shù)據(jù)分析的概念　1

1．1．2　熟悉數(shù)據(jù)分析的流程　2

1．1．3　了解數(shù)據(jù)分析應(yīng)用場景　4

任務(wù)1．2　熟悉R語言數(shù)據(jù)分析工具　5

1．2．1　了解數(shù)據(jù)分析常用工具　6

1．2．2　了解R語言數(shù)據(jù)分析的優(yōu)勢　6

1．2．3　了解R語言數(shù)據(jù)分析常用的Packages　7

小結(jié)　10

課后習(xí)題　10

第 2章　商品零售購物籃分析　12

任務(wù)2．1　了解購物籃分析　12

2．1．1　分析商品零售企業(yè)現(xiàn)狀　12

2．1．2　了解某商品零售企業(yè)基本數(shù)據(jù)情況　13

2．1．3　熟悉購物籃分析的步驟與流程　13

任務(wù)2．2　分析商品銷售狀況　14

2．2．1　分析熱銷商品　14

2．2．2　分析商品結(jié)構(gòu)　15

2．2．3　任務(wù)實現(xiàn)　17

任務(wù)2．3　使用Apriori關(guān)聯(lián)規(guī)則構(gòu)建購物籃分析模型　18

2．3．1　了解Apriori算法的基本原理與使用方法　18

2．3．2　分析結(jié)果　23

2．3．3　任務(wù)實現(xiàn)　24

小結(jié)　24

實訓(xùn)　使用Apriori算法對西餅屋訂單進(jìn)行關(guān)聯(lián)分析　25

課后習(xí)題　25

第3章　航空公司客戶價值分析　28

任務(wù)3．1　了解航空公司現(xiàn)狀與客戶價值分析　28

3．1．1　了解航空公司現(xiàn)狀　28

3．1．2　了解客戶價值分析　30

3．1．3　熟悉航空客戶價值分析的步驟與流程　30

任務(wù)3．2　預(yù)處理航空客戶數(shù)據(jù)　31

3．2．1　處理數(shù)據(jù)缺失值與異常值　31

3．2．2　構(gòu)建航空客戶價值分析的關(guān)鍵特征　31

3．2．3　標(biāo)準(zhǔn)化LRFMC的5個特征　35

3．2．4　任務(wù)實現(xiàn)　36

任務(wù)3．3　使用K-Means算法進(jìn)行客戶分群　37

3．3．1　了解K-Means聚類算法　37

3．3．2　分析聚類結(jié)果　38

3．3．3　模型應(yīng)用　41

3．3．4　任務(wù)實現(xiàn)　42

小結(jié)　43

實訓(xùn)　43

實訓(xùn)1　處理信用卡數(shù)據(jù)異常值　43

實訓(xùn)2　構(gòu)造信用卡客戶風(fēng)險評價關(guān)鍵特征　45

實訓(xùn)3　構(gòu)建K-Means聚類模型　45

課后習(xí)題　46

第4章　財政收入預(yù)測分析　48

任務(wù)4．1　了解財政收入預(yù)測的背景與方法　48

4．1．1　分析財政收入預(yù)測背景　48

4．1．2　了解財政收入預(yù)測的方法　50

4．1．3　熟悉財政收入預(yù)測的步驟與流程　51

任務(wù)4．2　分析財政收入數(shù)據(jù)特征的相關(guān)性　51

4．2．1　了解相關(guān)性分析　51

4．2．2　分析計算結(jié)果　52

4．2．3　任務(wù)實現(xiàn)　53

任務(wù)4．3　使用Lasso回歸方法選取財政收入預(yù)測的關(guān)鍵特征　53

4．3．1　了解Lasso回歸方法　53

4．3．2　分析Lasso回歸結(jié)果　54

4．3．3　任務(wù)實現(xiàn)　54

任務(wù)4．4　使用灰色預(yù)測和SVR構(gòu)建財政收入預(yù)測模型　55

4．4．1　了解灰色預(yù)測算法　55

4．4．2　了解SVR算法　56

4．4．3　分析預(yù)測結(jié)果　58

4．4．4　任務(wù)實現(xiàn)　60

小結(jié)　61

實訓(xùn)　61

實訓(xùn)1　求取企業(yè)所得稅各特征間的相關(guān)系數(shù)　61

實訓(xùn)2　選取企業(yè)所得稅預(yù)測關(guān)鍵特征　62

實訓(xùn)3　構(gòu)建企業(yè)所得稅預(yù)測模型　62

課后習(xí)題　62

第5章　金融服務(wù)機(jī)構(gòu)資金流量預(yù)測　64

任務(wù)5．1　了解金融服務(wù)機(jī)構(gòu)現(xiàn)狀與資金流量預(yù)測　64

5．1．1　分析金融服務(wù)機(jī)構(gòu)現(xiàn)狀　64

5．1．2　認(rèn)識資金流量預(yù)測　65

5．1．3　熟悉金融服務(wù)機(jī)構(gòu)資金流量預(yù)測的步驟與流程　66

任務(wù)5．2　檢驗數(shù)據(jù)的平穩(wěn)性　67

5．2．1　檢驗平穩(wěn)性　67

5．2．2　處理非平穩(wěn)序列　69

5．2．3　任務(wù)實現(xiàn)　71

任務(wù)5．3　檢驗數(shù)據(jù)的純隨機(jī)性　72

5．3．1　了解純隨機(jī)性檢驗　73

5．3．2　檢驗純隨機(jī)性　73

5．3．3　任務(wù)實現(xiàn)　74

任務(wù)5．4　建立ARIMA模型　74

5．4．1　了解ARIMA模型　74

5．4．2　識別模型階數(shù)　75

5．4．3　建立ARIMA模型　76

5．4．4　任務(wù)實現(xiàn)　81

小結(jié)　83

實訓(xùn)　83

實訓(xùn)1　檢驗資金贖回數(shù)據(jù)的平穩(wěn)性與純隨機(jī)性　83

實訓(xùn)2　識別資金贖回數(shù)據(jù)集的階數(shù)　83

實訓(xùn)3　構(gòu)建ARIMA模型　83

課后習(xí)題　84

第6章　P2P信用貸款風(fēng)險控制　85

任務(wù)6．1　認(rèn)識P2P信貸行業(yè)的風(fēng)險控制　85

6．1．1　分析P2P信貸行業(yè)的現(xiàn)狀　86

6．1．2　了解某P2P平臺數(shù)據(jù)情況　86

6．1．3　熟悉用戶逾期預(yù)測的步驟與流程　87

任務(wù)6．2　探索P2P信貸用戶逾期的相關(guān)因素　88

6．2．1　分析用戶信息完善程度與逾期率的關(guān)系　88

6．2．2　分析用戶信息修改情況與逾期率的關(guān)系　89

6．2．3　分析用戶所在區(qū)域經(jīng)濟(jì)發(fā)展情況與逾期率的關(guān)系　90

6．2．4　分析借款月份與逾期率的關(guān)系　91

6．2．5　任務(wù)實現(xiàn)　92

任務(wù)6．3　預(yù)處理P2P信貸用戶數(shù)據(jù)　95

6．3．1　使用第三方平臺信息構(gòu)建新特征　95

6．3．2　對登錄信息表與更新信息表進(jìn)行長寬表轉(zhuǎn)換　95

6．3．3　清洗P2P信貸數(shù)據(jù)　97

6．3．4　任務(wù)實現(xiàn)　98

任務(wù)6．4　構(gòu)建用戶逾期還款概率預(yù)測模型　107

6．4．1　了解GBM算法　107

6．4．2　評價GBM模型　108

6．4．3　分析結(jié)果　109

6．4．4　任務(wù)實現(xiàn)　109

小結(jié)　111

實訓(xùn)　111

實訓(xùn)1　探索某銀行貸款數(shù)據(jù)規(guī)律　111

實訓(xùn)2　預(yù)處理某銀行貸款數(shù)據(jù)　111

實訓(xùn)3　使用GBM算法構(gòu)建信貸審批模型　111

課后習(xí)題　112

第7章　電子商務(wù)網(wǎng)站智能推薦服務(wù)　113

任務(wù)7．1　了解某網(wǎng)站現(xiàn)狀與智能推薦系統(tǒng)　113

7．1．1　分析某網(wǎng)站現(xiàn)狀　113

7．1．2　了解智能推薦服務(wù)　115

7．1．3　熟悉網(wǎng)站智能推薦的步驟與流程　116

任務(wù)7．2　使用R連接數(shù)據(jù)庫并提取數(shù)據(jù)　117

7．2．1　訪問數(shù)據(jù)庫　117

7．2．2　任務(wù)實現(xiàn)　118

任務(wù)7．3　統(tǒng)計網(wǎng)頁整體流量狀況　118

7．3．1　分析網(wǎng)頁類型　119

7．3．2　分析網(wǎng)頁點擊次數(shù)　122

7．3．3　分析網(wǎng)頁排名　123

7．3．4　任務(wù)實現(xiàn)　124

任務(wù)7．4　預(yù)處理網(wǎng)頁瀏覽數(shù)據(jù)　130

7．4．1　刪除不符合規(guī)則的網(wǎng)頁　130

7．4．2　還原翻頁網(wǎng)址　131

7．4．3　劃分正確的網(wǎng)頁類別　131

7．4．4　選擇用戶和用戶訪問網(wǎng)頁記錄　132

7．4．5　任務(wù)實現(xiàn)　133

任務(wù)7．5　構(gòu)建智能推薦模型　136

7．5．1　了解協(xié)同過濾算法　136

7．5．2　評價智能推薦模型　139

7．5．3　分析模型結(jié)果　142

7．5．4　任務(wù)實現(xiàn)　142

小結(jié)　144

實訓(xùn)　實現(xiàn)MovieLense電影數(shù)據(jù)的智能推薦　144

實訓(xùn)1　清洗MovieLense原始數(shù)據(jù)　144

實訓(xùn)2　構(gòu)建MovieLense智能推薦模型　144

實訓(xùn)3　評估推薦系統(tǒng)模型　145

課后習(xí)題　145

第8章　電商產(chǎn)品評論數(shù)據(jù)情感分析　147

任務(wù)8．1　了解電商企業(yè)現(xiàn)狀與文本情感分析流程　147

8．1．1　分析電商企業(yè)現(xiàn)狀　147

8．1．2　了解電商產(chǎn)品評論數(shù)據(jù)　148

8．1．3　實現(xiàn)電商評論數(shù)據(jù)情感分析的步驟與流程　149

任務(wù)8．2　獲取電商產(chǎn)品評論數(shù)據(jù)　149

8．2．1　了解R語言獲取網(wǎng)絡(luò)數(shù)據(jù)的方法　149

8．2．2　了解數(shù)據(jù)獲取的方法　151

8．2．3　任務(wù)實現(xiàn)　153

任務(wù)8．3　對電商產(chǎn)品評論數(shù)據(jù)進(jìn)行預(yù)處理　156

8．3．1　去除評論數(shù)據(jù)中的重復(fù)數(shù)據(jù)　156

8．3．2　清洗評論數(shù)據(jù)　156

8．3．3　對評論數(shù)據(jù)進(jìn)行分詞　157

8．3．4　去除停用詞　158

8．3．5　提取有意義的評論　159

8．3．6　繪制詞云查看分詞效果　160

8．3．7　任務(wù)實現(xiàn)　162

任務(wù)8．4　評論數(shù)據(jù)情感傾向分析　163

8．4．1　匹配情感詞　164

8．4．2　修正情感傾向　164

8．4．3　檢驗情感分析效果　164

8．4．4　任務(wù)實現(xiàn)　165

任務(wù)8．5　使用LDA模型進(jìn)行主題分析　169

8．5．1　了解LDA主題模型　169

8．5．2　尋找最 優(yōu)主題數(shù)　171

8．5．3　進(jìn)行LDA主題分析　171

8．5．4　評價主題分析結(jié)果　172

8．5．5　任務(wù)實現(xiàn)　173

小結(jié)　176

實訓(xùn)　176

實訓(xùn)1　清洗酒店評論原始數(shù)據(jù)　176

實訓(xùn)2　對酒店評論數(shù)據(jù)進(jìn)行預(yù)處理　176

實訓(xùn)3　使用LDA模型建模并分析酒店評論　177

課后習(xí)題　177

第9章　餐飲企業(yè)綜合分析　179

任務(wù)9．1　了解餐飲企業(yè)分析需求　179

9．1．1　分析餐飲企業(yè)現(xiàn)狀與需求　180

9．1．2　了解餐飲企業(yè)數(shù)據(jù)基本狀況　181

9．1．3　熟悉餐飲企業(yè)數(shù)據(jù)分析的步驟與流程　183

任務(wù)9．2　統(tǒng)計餐飲菜品數(shù)據(jù)　184

9．2．1　統(tǒng)計每日用餐人數(shù)與銷售額　184

9．2．2　統(tǒng)計菜品熱銷度　190

9．2．3　統(tǒng)計菜品的毛利率　191

9．2．4　任務(wù)實現(xiàn)　192

任務(wù)9．3　使用ARIMA算法預(yù)測銷售額　194

9．3．1　檢驗平穩(wěn)性和純隨機(jī)性　194

9．3．2　構(gòu)建ARIMA模型　196

9．3．3　任務(wù)實現(xiàn)　198

任務(wù)9．4　使用協(xié)同過濾算法實現(xiàn)菜品的智能推薦　201

9．4．1　選取特征　202

9．4．2　使用基于物品的智能推薦算法進(jìn)行推薦　202

9．4．3　了解基于用戶的智能推薦算法　203

9．4．4　分析協(xié)同過濾結(jié)果　203

9．4．5　任務(wù)實現(xiàn)　204

任務(wù)9．5　使用Apriori算法實現(xiàn)菜品的關(guān)聯(lián)分析　207

9．5．1　構(gòu)建Apriori模型　207

9．5．2　分析關(guān)聯(lián)規(guī)則結(jié)果　209

9．5．3　任務(wù)實現(xiàn)　210

任務(wù)9．6　使用K-Means算法進(jìn)行客戶價值分析　214

9．6．1　構(gòu)建關(guān)鍵特征　214

9．6．2　構(gòu)建K-Means模型　214

9．6．3　分析K-Means模型結(jié)果　215

9．6．4　任務(wù)實現(xiàn)　217

任務(wù)9．7　用決策樹算法實現(xiàn)餐飲客戶流失預(yù)測　219

9．7．1　了解客戶流失　219

9．7．2　了解決策樹算法　220

9．7．3　構(gòu)建客戶流失特征　221

9．7．4　分析決策樹模型結(jié)果　223

9．7．5　任務(wù)實現(xiàn)　223

小結(jié)　226

實訓(xùn)　226

實訓(xùn)1　使用ARIMA模型預(yù)測網(wǎng)站訪問量　226

實訓(xùn)2　使用決策樹算法實現(xiàn)運營商客戶流失預(yù)測　227

實訓(xùn)3　使用協(xié)同過濾算法實現(xiàn)網(wǎng)站的智能推薦　227

實訓(xùn)4　使用Apriori算法實現(xiàn)網(wǎng)站的關(guān)聯(lián)分析　227

實訓(xùn)5　使用K-Means算法實現(xiàn)運營商客戶價值分析　228

課后習(xí)題　228