第1章 商業(yè)分析導論
1.1 商業(yè)分析概述
1.2 數據類型
練習1.2
1.3 變量和測量尺度
練習1.3
1.4 數據源和文件形式
練習1.4
1.5 大數據寫作
第2章 數據管理和處理
2.1 數據管理
練習2.1
2.2 數據檢查
練習2.2
2.3 數據準備
練習2.3
2.4 轉換數值數據
練習2.4
2.5 轉換分類數據
練習2.5
2.6 大數據寫作
第3章 數據可視化和綜合指標
3.1 可視化分類變量和數值變量的方法
練習3.1
3.2 將兩個變量之間關系可視化的方法
練習3.2
3.3 其他數據可視化的方法
練習3.3
3.4 綜合指標
練習3.4
3.5 檢測異常值
練習3.5
3.6 大數據寫作
第4章 概率與概率分布
4.1 概率的概念與概率公式
練習4.1
4.2 全概率公式與貝葉斯定理
練習4.2
4.3 隨機變量與離散型概率分布
練習4.3
4.4 二項分布與泊松分布
練習4.4
4.5 正態(tài)分布
練習4.5
4.6 大數據寫作
第5章 統(tǒng)計推斷
5.1 抽樣分布
練習5.1
5.2 估計
練習5.2
5.3 假設檢驗
練習5.3
5.4 大數據寫作
第6章 回歸分析
6.1 線性回歸模型
練習6.1
6.2 模型選擇
練習6.2
6.3 顯著性檢驗
練習6.3
6.4 模型假設和常見違例
練習6.4
6.5 大數據寫作
第7章 高級回歸分析
7.1 包含交互變量的回歸模型
練習7.1
7.2 非線性關系的回歸模型
練習7.2
7.3 線性概率模型和邏輯回歸模型
練習7.3
7.4 交叉驗證方法
練習7.4
7.5 大數據寫作
第8 章 數據挖掘導論
8.1 數據挖掘概述
8.2 相似性指標
練習8.2
8.3 性能評估
練習8.3
8.4 主成分分析
練習8.4
8.5 大數據寫作
第9 章 有監(jiān)督數據挖掘: k-最近鄰法和樸素貝葉斯方法
9.1 有監(jiān)督數據挖掘簡介
9.2 k-最近鄰法
練習9.2
9.3 樸素貝葉斯方法
練習9.3
9.4 大數據寫作
第10 章 有監(jiān)督數據挖掘: 決策樹
10.1 分類樹和回歸樹簡介
10.2 分類樹
練習10.2
10.3 回歸樹
練習10.3
10.4 集成樹模型
練習10.4
10.5 大數據寫作
第11章 無監(jiān)督數據挖掘
11.1 層次聚類分析
練習11.1
11.2 k-均值聚類分析
練習11.2
11.3 關聯規(guī)則分析
練習11.3
11.4 大數據寫作
第12章 利用時間序列數據進行預測
12.1 時間序列的預測過程
12.2 簡單平滑法
練習12.2
12.3 趨勢和季節(jié)性的線性回歸模型
練習12.3
12.4 趨勢和季節(jié)性的非線性回歸模型
練習12.4
12.5 數據分區(qū)和模型選擇
練習12.5
12.6 高級指數平滑法
練習12.6
12.7 大數據寫作
第13章 規(guī)范性分析簡介
13.1 規(guī)范性分析概述
13.2 蒙特卡羅模擬
練習13.2
13.3 線性規(guī)劃的優(yōu)化
練習13.3
13.4 整數規(guī)劃優(yōu)化
練習13.4
13.5 大數據寫作

附錄A 大數據集: 變量描述和數據字典
附錄B Excel和Excel加載項入門
附錄C R語言入門
附錄D 統(tǒng)計表