第 1章　R語言數(shù)據(jù)分析概述　1 任務(wù)1.1　認(rèn)識(shí)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(shí)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(shí)現(xiàn)　24 小結(jié)　24 實(shí)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(jià)值分析　28 任務(wù)3.1　了解航空公司現(xiàn)狀與客戶價(jià)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(jià)值分析　30 3.1.3　熟悉航空客戶價(jià)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(jià)值分析的關(guān)鍵特征　31 3.2.3　標(biāo)準(zhǔn)化LRFMC的5個(gè)特征　35 3.2.4　任務(wù)實(shí)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(shí)現(xiàn)　42 小結(jié)　43 實(shí)訓(xùn)　43 實(shí)訓(xùn)1　處理信用卡數(shù)據(jù)異常值　43 實(shí)訓(xùn)2　構(gòu)造信用卡客戶風(fēng)險(xiǎn)評價(jià)關(guān)鍵特征　45 實(shí)訓(xùn)3　構(gòu)建K-Means聚類模型　45 課后習(xí)題　46 第4章　財(cái)政收入預(yù)測分析　48 任務(wù)4.1　了解財(cái)政收入預(yù)測的背景與方法　48 4.1.1　分析財(cái)政收入預(yù)測背景　48 4.1.2　了解財(cái)政收入預(yù)測的方法　50 4.1.3　熟悉財(cái)政收入預(yù)測的步驟與流程　51 任務(wù)4.2　分析財(cái)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(jì)算結(jié)果　52 4.2.3　任務(wù)實(shí)現(xiàn)　53 任務(wù)4.3　使用Lasso回歸方法選取財(cái)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(shí)現(xiàn)　54 任務(wù)4.4　使用灰色預(yù)測和SVR構(gòu)建財(cái)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(shí)現(xiàn)　60 小結(jié)　61 實(shí)訓(xùn)　61 實(shí)訓(xùn)1　求取企業(yè)所得稅各特征間的相關(guān)系數(shù)　61 實(shí)訓(xùn)2　選取企業(yè)所得稅預(yù)測關(guān)鍵特征　62 實(shí)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(shí)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(yàn)數(shù)據(jù)的平穩(wěn)性　67 5.2.1　檢驗(yàn)平穩(wěn)性　67 5.2.2　處理非平穩(wěn)序列　69 5.2.3　任務(wù)實(shí)現(xiàn)　71 任務(wù)5.3　檢驗(yàn)數(shù)據(jù)的純隨機(jī)性　72 5.3.1　了解純隨機(jī)性檢驗(yàn)　73 5.3.2　檢驗(yàn)純隨機(jī)性　73 5.3.3　任務(wù)實(shí)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(shí)別模型階數(shù)　75 5.4.3　建立ARIMA模型　76 5.4.4　任務(wù)實(shí)現(xiàn)　81 小結(jié)　83 實(shí)訓(xùn)　83 實(shí)訓(xùn)1　檢驗(yàn)資金贖回?cái)?shù)據(jù)的平穩(wěn)性與純隨機(jī)性　83 實(shí)訓(xùn)2　識(shí)別資金贖回?cái)?shù)據(jù)集的階數(shù)　83 實(shí)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(xiǎn)控制　85 任務(wù)6.1　認(rèn)識(shí)P2P信貸行業(yè)的風(fēng)險(xiǎn)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(tái)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(shí)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(tái)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(shí)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(jià)GBM模型　108 6.4.3　分析結(jié)果　109 6.4.4　任務(wù)實(shí)現(xiàn)　109 小結(jié)　111 實(shí)訓(xùn)　111 實(shí)訓(xùn)1　探索某銀行貸款數(shù)據(jù)規(guī)律　111 實(shí)訓(xùn)2　預(yù)處理某銀行貸款數(shù)據(jù)　111 實(shí)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(shí)現(xiàn)　118 任務(wù)7.3　統(tǒng)計(jì)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(diǎn)擊次數(shù)　122 7.3.3　分析網(wǎng)頁排名　123 7.3.4　任務(wù)實(shí)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(shí)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(jià)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(shí)現(xiàn)　142 小結(jié)　144 實(shí)訓(xùn)　實(shí)現(xiàn)MovieLense電影數(shù)據(jù)的智能推薦　144 實(shí)訓(xùn)1　清洗MovieLense原始數(shù)據(jù)　144 實(shí)訓(xùn)2　構(gòu)建MovieLense智能推薦模型　144 實(shí)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(shí)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(shí)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(shí)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(yàn)情感分析效果　164 8.4.4　任務(wù)實(shí)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(jià)主題分析結(jié)果　172 8.5.5　任務(wù)實(shí)現(xiàn)　173 小結(jié)　176 實(shí)訓(xùn)　176 實(shí)訓(xùn)1　清洗酒店評論原始數(shù)據(jù)　176 實(shí)訓(xùn)2　對酒店評論數(shù)據(jù)進(jìn)行預(yù)處理　176 實(shí)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(jì)餐飲菜品數(shù)據(jù)　184 9.2.1　統(tǒng)計(jì)每日用餐人數(shù)與銷售額　184 9.2.2　統(tǒng)計(jì)菜品熱銷度　190 9.2.3　統(tǒng)計(jì)菜品的毛利率　191 9.2.4　任務(wù)實(shí)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(yàn)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(shí)現(xiàn)　198 任務(wù)9.4　使用協(xié)同過濾算法實(shí)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(shí)現(xiàn)　204 任務(wù)9.5　使用Apriori算法實(shí)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(shí)現(xiàn)　210 任務(wù)9.6　使用K-Means算法進(jìn)行客戶價(jià)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(shí)現(xiàn)　217 任務(wù)9.7　用決策樹算法實(shí)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(shí)現(xiàn)　223 小結(jié)　226 實(shí)訓(xùn)　226 實(shí)訓(xùn)1　使用ARIMA模型預(yù)測網(wǎng)站訪問量　226 實(shí)訓(xùn)2　使用決策樹算法實(shí)現(xiàn)運(yùn)營商客戶流失預(yù)測　227 實(shí)訓(xùn)3　使用協(xié)同過濾算法實(shí)現(xiàn)網(wǎng)站的智能推薦　227 實(shí)訓(xùn)4　使用Apriori算法實(shí)現(xiàn)網(wǎng)站的關(guān)聯(lián)分析　227 實(shí)訓(xùn)5　使用K-Means算法實(shí)現(xiàn)運(yùn)營商客戶價(jià)值分析　228 課后習(xí)題　228