數據科學人纔培養教程！

本書通過數據學習解決各種商業問題的完整流程，讓讀者在解決問題的過程中學習各種數據分析方法，包括柱狀圖、交叉列表統計、多元回歸分析、邏輯回歸分析、聚類、主成分分析、決策樹分析、機器學習等。特別是書中使用的數據都是未經清洗的原始數據，對如何加工數據以用於數據分析也進行了詳細的介紹。讀者可以使用R語言實際操作數據，體驗真實的數據分析流程。本書主要內容包括：一章數據分析背景；第二章數據的獲取；第三章數據說明與描述；第四章數據模型建立；第五章表達與溝通以及商業報告的撰寫；第六章商業案例精選。 本書適合從事數據分析的讀者，特別是希望快速上手實戰的讀者閱讀。

潘蕊 中央財經大學統計與數學學院副教授，碩士生導師。北京大學光華管理學院商務統計與經濟計量繫博士。狗熊會聯合創始人，狗熊會“人纔計劃”項目發起人。研究興趣為高維數據分析、社交網絡統計建模等。在JASA、Annals等統計學期刊發表論文十餘篇，主持國家自然科學基金1項。 狗熊會，數據產業高端智庫，使命是“聚數據英纔，助產業振興”！關注數據科學基礎教育，希望通過生產優質的數據科學教學內容，提供卓越的研究、實踐和就業機會，

目 錄


第1章選題與背景

1.1TASK概述

1.2確定選題

1.2.1選題的思考路徑

1.2.2可能的選題方向

1.2.3補充材料

1.2.4課後作業

1.3學寫背景介紹

1.3.1如何寫背景介紹

1.3.2背景介紹經常出現的問題

1.3.3課後作業

1.4範例與點評

1.4.1範例一

1.4.2範例二

1.4.3範例三

第2章數據的獲取與描述

2.1數據的獲取

2.1.1搭建框架

2.1.2確定問題形式

2.1.3選措辭、排結構

2.1.4評估、預測試

2.1.5課後作業

2.2數據介紹與說明

2.2.1數據變量說明表

2.2.2用PPT介紹數據

2.2.3常見的問題

2.2.4課後作業

2.3數據的描述——外表美

2.3.1描述分析簡介

2.3.2描述分析的整體規範

2.3.3統計圖的規範

2.3.4課後作業

2.4數據的描述——內在美

2.4.1準確使用統計圖

2.4.2寫好描述性文字

2.4.3擴展閱讀材料

2.4.4課後作業

2.5範例與點評

2.5.1範例一

2.5.2範例二

2.5.3範例三

第3章模型的建立

3.1建模的流程

3.1.1建模前的準備

3.1.2模型的選擇與建立

3.1.3模型的解讀與評價

3.1.4課後作業

3.2無監督學習：數據降維

3.2.1主成分分析

3.2.2因子分析

3.2.3課後作業

3.3無監督學習：聚類分析

3.3.1聚類分析概述

3.3.2層次聚類法

3.3.3K均值聚類法

3.3.4課後作業

3.4有監督的學習：連續型因變量

3.4.1模型的建立與估計

3.4.2結果的整理與解讀

3.4.3模型診斷與改進技巧

3.4.4模型選擇：準則和步驟

3.4.5課後作業

3.5有監督的學習：離散型因變量

3.5.1邏輯回歸模型

3.5.2模型的評價

3.5.3決策樹

3.5.4課後作業

3.6文本分析

3.6.1文本分析可以干什麼

3.6.2文本分析的主要內容

3.6.3文本分析基本流程

3.6.4文本分析示例

3.6.5課後作業

第4章表達與溝通

4.1報告的撰寫

4.1.1報告概述

4.1.2報告的核心要素

4.1.3如何撰寫**的報告

4.1.4課後作業

4.2PPT的制作

4.2.1PPT的特點

4.2.2制作PPT的步驟

4.2.3示範與點評

4.2.4課後作業

4.3以PPT為核心的表達與溝通

4.3.1從“表達與溝通”的角度看PPT制作的問題

4.3.2表達與溝通的注意事項

4.3.3課後作業

4.4代碼規範

4.4.1代碼注釋

4.4.2代碼命名規則

4.4.3代碼模塊化

4.4.4代碼調試

4.4.5代碼效率優化

4.4.6課後作業

第5章實戰案例

5.1案例一

5.2案例二

5.3案例三

5.4案例四

5.5案例五

5.6案例六

參考文獻