大數據分析實務: RapidMiner之應用 (1版)

類似書籍推薦給您

內容特色： 本書使用免費下載的「RapidMiner」軟體，該軟體使用圖形化界面，不需編寫程式、操作簡易、功能強大且應用廣泛，適合初學與進階資料分析人士使用。 本書從基礎的資料取得、事前處理到模型的建置、評分、驗證與實例分析等，以實作方式，循序漸進的介紹大數據分析的操作步驟與流程。 全書提供30個案例，內容包含金融、製造、銷售、管理、醫療、休閒、氣象與情感分析文字探勘等諸多領域的應用實例，除了對現有結構與非結構式資料進行分析外，同時利用訓練模型預測未來，提升數據分析的實用價值。 本書除提供數據資料檔Data File外，亦附有各章節之程式/流程檔供讀者參考。 章節目錄： Chapter 00 RapidMiner 軟體下載、介面說明與注意事項 Chapter 01 基礎篇 本章介紹使用RapidMiner平台的基礎知識，涵蓋內容從如何取得與過濾資料到改變資料的類型與角色以及對各類型檔案的讀取與儲存等。本章同時涵蓋如何建置一個基本模型，以及認識變數的結合、分類、新增與選擇等功能。 Chapter 02 資料處理 本章介紹資料的前置處理，內容包含遺漏值的處理、資料的常態化與刪除離群值以及變數的樞紐轉換與重新命名等；同時涵蓋使用巨集、迴圈與分支等運算式進行抽樣以及多個資料檔案的讀入、儲存、合併、運算與結合等。在時間序列資料的前置處裡部分，會介紹如何將日資料轉換為月平均以及季平均資料的方式。 Chapter 03 模型之建置、評分與驗證 本章介紹分類模型之建置、預測、績效評估以及驗證方式，內容包含分割資料與交叉驗證的差異。使用之演算法包含決策樹、簡單貝式法、規則歸納法以及羅吉斯回歸等。在比較不同演算法績效表現方面，除了常用之準確率、精確率與召回率等指標外，更介紹以視覺化模型(ROC曲線)進行分析。 Chapter 04 多元實例練習 本章涵蓋實例練習的第一部分，主題包含國人赴國外旅遊人數分析、台灣50的股票價格分群、參數最佳化及對交易對手信用違約預測、調整不平衡資料及對客戶流失預測、建置增益圖找出最可能流失的客戶群集中行銷、依據基地台號碼與座標位置找出距離最近的基地台、使用回歸模型預測二手車售價以及依據羅吉斯回歸模型最佳變數預測新生嬰兒體重是否過輕。 Chapter 05 進階實例練習 本章涵蓋實作練習的第二部分，主題包含根據民眾就醫資料偵測醫療詐欺行為、使用關聯性法則判斷那些商品經常同時購買、針對連續未達測試績效的預測模型郵寄警訊至相關人員、依據機器各部位感應器記錄找出發生故障的主要來源、使用K-NN模型預測機器是否將發生故障以預先安排維修工作、檢視S&P 500的移動平均以及線性與非線性趨勢、使用視窗與滑動視窗驗證根據公司財報資料預測股價、處裡視窗資料、使用交叉驗證與時間序列滑動視窗驗證以及單變量ARIMA模型進行溫度預測、使用單變量Holt-Winters模型預測貿易出口值以及計算並根據顧客之RFM值進行顧客分群與執行問卷回覆分析。 Chapter 06 中英文文字探勘 本章介紹如何執行中英文文字探勘並據以分析，英文文字探勘的主題包含利用書籍名稱預測圖書主題、尋找程式設計師徵才廣告所列之主要條件、分析顧客對藍芽耳機的文字評價以及檢視正負評價中的主要詞彙。中文探勘結合了Python的Jieba套件進行中文斷字，涵蓋主題包含尋找2012年以及2020年總統就職演說使用的主要詞彙、消費者情緒分析以及對網路新聞的文字探勘。

大數據驅動商業決策：13 個 RapidMiner 商業預測操作實務 (1版)

類似書籍推薦給您

內容簡介 　　用一個創業的故事，告訴你大數據分析如何解決商業問題 　　手搖飲競爭對手在哪裡？超市商品之間是否有關連性？推薦什麼電影給客戶？客戶是否下單買保險？電信業的客戶是否跳槽？公司未來營收可能是多少…公司從草創到轉型的過程中，會遇到很多的問題。但是，現在你有了解決方案！ 　　本書透過主人翁 Joe 跟 Eddy 的創業故事，告訴讀者如何使用大數據分析，解決公司營運過程中所遇到的問題。書中的分析案例貫穿了企業發展、管理的整個生命週期，所以無論現在的你處於什麼階段，都可以找到切身相關的問題，並學會如何透過大數據分析的方式解決，從而真正實現數據驅動決策（data-driven decision making）的管理方式。 　　本書使用 RapidMiner 圖形化介面，即便不會寫程式，也能夠將雜亂的數據進行有效的整理、轉換。特別是使用合理的分析演算法，能夠快速獲得容易理解的數據內容，並得出結論，進而基於結論作出合理的決策。 　　本書的內容將幫助你的公司，成功轉型成數據驅動商業決策。 目錄 前言 第 0 章 大數據商業應用的基礎知識與軟體介紹 0.1 數據特性 0.2 數據分析 0.3 本書理念 0.4 軟體介紹 0.5 線上教學資源 第 1 章 如何辨識競爭中的關鍵因素 1.1 樞紐分析的基本原理 1.2 實例操作 - 鐵達尼號存活旅客 1.3 章節練習 - 影響汽車銷售的重要因素 第 2 章 我的競爭對手在哪裡？策略群組的量化分析 2.1 非監督式 K-平均法（K-Means）以及監督式 K-近鄰（KNN）演算法的基本原理 2.2 K-Means 實例操作 - 商場客戶分組 2.3 KNN 實例操作 - 商場客戶分析 2.4 KNN 模型測試 2.5 商業應用 - 尋找距離最近的競爭對手 2.6 章節練習 - 競品麥片分析 第 3 章 預測客戶的下一步？網頁瀏覽行為預測 3.1 Apriori 關聯分析演算法的基本原理 3.2 實例操作 - 分析客戶下一個瀏覽的網頁 3.3 章節練習 - 預測客戶下一次瀏覽的新聞 第 4 章 這些商品放在一起很好賣！擬定賣場促銷方案 4.1 關聯分析的基本原理 4.2 實例操作 - 分析客戶一起購買的商品 4.3 章節練習 - 超商購物車商品分析 第 5 章 你的客戶可能會喜歡...會員制俱樂部如何推薦商品 5.1 推薦引擎與評分矩陣的基本原理 5.2 實例操作 - 會員對商品的評分預測（Rating Prediction, RP） 5.3 向會員推薦商品（Item Recommendation, IR） 5.4 章節練習 - 歌手推薦 第 6 章 買了此商品的客戶，也買了...電子商務如何推薦商品 6.1 基於商品推薦引擎的基本原理 6.2 實例操作 - 電影評分預測 6.3 向會員推薦電影 6.4 章節練習 - 線上商城 第 7 章 喜歡此商品的客戶，也喜歡...根據潛在喜好推薦電影 7.1 偏置矩陣分解的基本原理 7.2 實例操作 - 電影評分預測 7.3 向會員推薦電影 7.4 章節練習 - 美食服務平台 第 8 章 客戶是否真的會下單？客戶消費意願預測 8.1 單純貝氏演算法的基本原理 8.2 實例操作 - 客戶消費意願預測模型 8.3 預測客戶消費意願 8.4 章節練習 - 線上叫車平台推廣優惠券 第 9 章 哪些因素會影響銷售定價？房價預測 9.1 線性迴歸演算法的基本原理 9.2 最佳化步驟 9.3 實例操作 - 房價分析 9.4 房價預測 9.5 章節練習 - 紅酒等級評估 第 10 章 哪些客戶會違約？客戶貸款違約預測 10.1 邏輯斯迴歸演算法的基本原理 10.2 實例操作 - 銀行客戶貸款違約分析 10.3 模型調整 10.4 預測客戶是否違約 10.5 章節練習 - 信用卡用戶逾期還款 第 11 章 電話行銷應該打給哪些客戶？找出可能會買定存的客戶 11.1 支援向量機演算法的基本原理 11.2 實例操作 - 銀行客戶產品需求分析 11.3 模型調整 11.4 模型驗證 11.5 模型測試 11.6 章節練習 - 估計客戶的實際年收入 第 12 章 如何避免客戶流失？分類電信客戶跳槽名單 12.1 決策樹演算法的基本原理 12.2 決策樹實例操作 - 電信客戶跳槽分析 12.3 決策樹模型測試 12.4 隨機森林實例操作 - 電信客戶跳槽分析 12.5 隨機森林模型調整 12.6 隨機森林模型測試 12.7 章節練習 - 預測交易的公平性 第 13 章 如何預測公司未來的營收？銷售預測 13.1 ARIMA 演算法的基本原理 13.2 實例操作 - 每週銷售數據預測 13.3 模型調整 13.4 模型測試 13.5 章節練習 - Tesla 股價趨勢預測