大数据决策分析盲点大突破10讲:我分类 故我在

点击数:4 借阅数: 0

作者:何宗武著

出版社:五南图书

出版年:2018

出版地:台北市

格式:PDF

ISBN:978-957-11-9806-4 ; 957-11-9806-4

内容简介
★只有这本书!教你比程式语言更重要的数据思维!
 
在未来,容易上手的程式语言与免费的教材只会越来越普及,
唯有绝佳的 资料素养 和 决策分析能力 才能真正让你出类拔萃!
 
◎内行引入门→本书作者实力雄厚,拥有多年教学经验,更是R语言中文版的编译者。
◎功力就大增→解析型企业、时间序列、决策树、随机森林等十个大数据核心讲题帮你全方位大提升!
◎思维超展开→程式语言专业讲解与发人省思的分析探讨同步帮你掌握关键。
◎展望大未来→每讲皆以国际化的大数据时事开头,引发学习兴趣,增进视野高度!
 
※书中附赠丰富资料档案做学习使用,请至本公司网站www.wunan.com.tw,输入书号 RM43,即可找到下载处。
我分类故我在!大数据也要大思维!思维革新比数据技术更重要!
在商业分析和商业智慧的脉络下,建构大数据,而不是从巨量资料当中大海捞针。
如果只是把资料变大,认知学习能力的维度却没有变大,接下来会如何?从少量数据都学习不到的价值,大数据只是让它更遥不可及。
 
大数据时代来临,获取数据和资讯的技术越发精进,每天产生的数据量也越来越庞大,该如何使庞大资讯发挥影响力?在未来,容易上手的程式语言与免费的教材只会越来越普及,唯有绝佳的资料素养和决策分析能力才能真正让你出类拔萃!
 
作者钻研R语言多年、拥有资深学界经验,贡献良多。本书内容丰富,以十个面向切入,探讨大数据所必备的工具,例如R Commander、决策树、随机森林与R语言强大的视觉化功能。除了概念解析之外,作者更逐行解析专业程式语言,再加码实际操作与应用功能说明,在每讲的最后,还能领略作者独到的观念厘清,让你不会迷失在大数据的眉角中。非常适合做为R语言的基础自学书,对于初入大数据领域的读者如同暮鼓晨钟、醍醐灌顶。

作者简介
 
何宗武
 
现任
国立台湾师范大学全球经营与策略研究所 教授
 
经历
世新大学特聘教授
世新大学财务金融学系 教授
世新大学数量方法研究暨发展中心主任
 
专长财务经济学、金融大数据、计量经济资料科学及程式语言等,著作多本相关书籍如:《R语言:深入浅出财经计量》、《R资料采矿与数据分析:以GUI套件Rattle结合程式语言实作》、《资料分析轻松学:R Commander高手捷径》、《Eviews高手:财经计量应用手册》

  • 推荐序(第5页)
  • 序(第7页)
  • 第 1 讲 浅谈解析型企业(第13页)
  • 1.1 大数据是因为他有大用(第18页)
  • 1.2 资料解析的两个大数据环境(第20页)
  • 1.3 演算法(第24页)
  • 1.4 数据解析之资讯概论(第28页)
  • 1.5 测量的哲学 —— 自我学习之路(第39页)
  • 1.6 本书安排(第40页)
  • 第 2 讲 掌握资料的统计性质 —— 分布(第45页)
  • 2.1 资料分布的前两阶动差 —— 平均数和变异数(第49页)
  • 2.2 描述资料中央趋势的两组方法(第52页)
  • 2.3 资料分布的另外两个动差(第57页)
  • 2.4 提审大数据(第61页)
  • 第 3 讲 时间序列的分类分析(第65页)
  • 3-1 时间序列性质(第69页)
  • 3-2 时间序列分析 —— 低频(第71页)
  • 3.3 时间序列分析 —— 日高频资料(第80页)
  • 3.4 时间序列分类分析 —— 日内高频资料(第90页)
  • 3.5 提审大数据(第92页)
  • 第 4 讲 线性模式的分类原理 —— 期望值与信赖区间(第95页)
  • 4.1 简易统计原理(第98页)
  • 4.2 R GUI 实作(第108页)
  • 4.3 R 程式码实作(第125页)
  • 4.4 提审大数据(第130页)
  • 第 5 讲 二元模式的分类原理 —— Logistic 回归(第135页)
  • 5.1 简易广义线性模型(第138页)
  • 5.2 R GUI 的实作(第143页)
  • 5.3 R 程式的实作(第149页)
  • 5.4 提审大数据(第154页)
  • 第 6 讲 主成分的分类原理 —— 把资料变少了(第157页)
  • 6.1 主成分的简易原理(第160页)
  • 6.2 R GUI 的实作(第163页)
  • 6.3 R 程式的实作(第179页)
  • 6.4 提审大数据(第184页)
  • 第 7 讲 集群分析的分类原理(第191页)
  • 7.1 集群分析的基本概念(第194页)
  • 7.2 R GUI 实作(第197页)
  • 7.3 R 程式的实作(第211页)
  • 7.4 提审大数据(第219页)
  • 第 8 讲 决策树的分类原理(第223页)
  • 8.1 分类决策树原理(第226页)
  • 8.2 用 R GUI 实作(第229页)
  • 8.3 R Code(第237页)
  • 8.4 提审大数据(第247页)
  • 第 9 讲 随机森林(第253页)
  • 9.1 原理(第256页)
  • 9.2 R GUI 实作(第257页)
  • 9.3 R 程式码实作(第268页)
  • 9.4 提审大数据(第270页)
  • 第 10 讲 大数据行销 —— 购物篮分析(第275页)
  • 10.1 关联的分类原理简介(第279页)
  • 10.2 R GUI 实作(第280页)
  • 10.3 R 程式码实作(第287页)
  • 10.4 提审大数据(第303页)
  • 附录 A 有关 R 的 GUI 装置问题(第307页)
  • A.1 R 漫谈和 GUI 简介(第308页)
  • A.2 R Commander 的装置(第319页)
  • A.3 安装与载入 R Commander(第321页)
  • 附录 B 装置 rattle(第325页)
  • 附录 C 资料档和 MySQL 资料库的存取(第333页)
  • C.1 资料档读取(第334页)
  • C.2 资料库读取(第347页)
  • C.3 处理资料表的函数(第353页)