我用夸克网盘分享了「R 语言数据分析项目精解：理论、方法、实战.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

内容简介

《R 语言数据分析项目精解：理论、方法、实战》以互联网电商企业为背景，抽象出工作中常见的数据分析问题，利用R 语言和统计学列出了详细的解决方案和过程。《R 语言数据分析项目精解：理论、方法、实战》共9 章，前两章分别为总论和R 语言入门知识，之后各章分别介绍了运营指标的建立、指标监控系统、假设检验及AB 测试、变量筛选技术、用户画像系统、寻找优质用户和文本挖掘等内容。本书涉及到的统计方法有：指标增长幅度量化方法、层次分析法、时间序列模型、基于正态分布的一元离群点检验、傅里叶谱分析、假设检验、主成分分析、因子分析、模糊聚类、无监督下连续型变量离散化、逻辑回归模型和文本挖掘等。另外，《R 语言数据分析项目精解：理论、方法、实战》提供了所有实例的R 语言实现代码，总计33 个自定义函数和数千行代码。 《R 语言数据分析项目精解：理论、方法、实战》适合数据分析从业人员、产品运营人员、统计专业学生和R 语言爱好者阅读。

作者简介

《R 语言数据分析项目精解：理论、方法、实战》以互联网电商企业为背景，抽象出工作中常见的数据分析问题，利用R 语言和统计学列出了详细的解决方案和过程。《R 语言数据分析项目精解：理论、方法、实战》共9 章，前两章分别为总论和R 语言入门知识，之后各章分别介绍了运营指标的建立、指标监控系统、假设检验及AB 测试、变量筛选技术、用户画像系统、寻找优质用户和文本挖掘等内容。本书涉及到的统计方法有：指标增长幅度量化方法、层次分析法、时间序列模型、基于正态分布的一元离群点检验、傅里叶谱分析、假设检验、主成分分析、因子分析、模糊聚类、无监督下连续型变量离散化、逻辑回归模型和文本挖掘等。另外，《R 语言数据分析项目精解：理论、方法、实战》提供了所有实例的R 语言实现代码，总计33 个自定义函数和数千行代码。 《R 语言数据分析项目精解：理论、方法、实战》适合数据分析从业人员、产品运营人员、统计专业学生和R 语言爱好者阅读。

网友热评

Vincent_Wells: 整本书结合实际生产应用编写的，一看就是出自实战人员之手。只是有些公式错误和理论推演问题，不用细究，主要还是学习里面的方法、概念、商业应用案例。另外，前面章节关于R的章节其实可以删掉，毕竟“工具怎么操作”不是这本书的核心目标，核心应该在“怎么用工具解决问题”。 carina: 概念清晰，还有对应的项目实例和应用代码，非常好

图书目录

第1章互联网+统计学+R语言1 1.1互联网中的统计学1 1.1.1“互联网+”的发展1 1.1.2统计学的发展2 1.1.3大数据时代的统计学2 1.2R语言——互联网与统计学的桥梁3 1.3本书结构5 第2章R语言基础7 2.1安装R语言7 2.1.1获取和安装R语言7 2.1.2安装RStudio9 2.1.3R包10 2.1.4帮助12 2.2R语言基本对象12 2.2.1数据类型12 2.2.2向量12 2.2.3矩阵和数组19 2.2.4列表27 2.2.5数据框29 2.2.6因子32 2.2.7数据类型的辨别和转换39 2.2.8数据类型和对象关系39 2.3工作空间和查看对象40 2.3.1工作空间和工作目录40 2.3.2遍历、创建、删除文件夹41 2.3.3查看对象的方法42 2.4数据导入和导出43 2.4.1数据导入43 2.4.2数据导出49 2.5操作符和函数51 2.5.1操作符51 2.5.2函数54 2.6数据集操作59 2.6.1变量操作60 2.6.2数据集操作63 2.6.3数据集连接67 2.6.4数据汇总68 2.7控制流71 2.7.1重复和循环71 2.7.2条件执行73 2.7.3next和break74 2.8自定义函数75 第3章互联网运营指标的建立77 3.1项目背景、目标及方案78 3.1.1项目背景78 3.1.2项目目标78 3.1.3项目方案78 3.2项目技术理论简介78 3.2.1骨灰级流量指标78 3.2.2登录和激活80 2.2.3访问深度和吸引力81 3.2.4订单指标85 3.2.5网站或APP性能指标86 3.2.6转化率87 3.2.7层次分析法87 3.3项目实践92 3.3.1搭建运营指标系统92 3.3.2制作对比型指标及趋势线97 3.3.3创建用户价值和活跃度指标101 第4章指标监控系统111 4.1项目背景、目标及方案111 4.1.1项目背景.111 4.1.2项目目标.111 4.1.3项目方案112 4.2项目技术理论简介112 4.2.1时间序列基本统计量112 4.2.2数据观测与描述性统计113 4.2.3随机性115 4.2.4周期性115 4.2.5节假日模式识别115 4.2.6建模数据集的建立118 4.2.7指标监控方法（不含节假日）125 4.2.8节假日指标监控方法134 4.2.9R语言实例代码135 4.3项目实践141 4.3.1数据概览142 4.3.2节假日模式识别145 4.3.3模型数据集的建立155 4.3.4指标监控（非节假日）160 4.3.5节假日指标监控176 4.3.6总结181 第5章用数据驱动业务——AB测试182 5.1项目背景、目标和方案182 5.1.1项目背景182 5.1.2项目目标183 5.1.3项目方案183 5.2项目技术理论简介183 5.2.1自动化分流策略183 5.2.2整体评估指标185 5.2.3概率论预备知识186 5.2.4假设检验191 5.2.5三个问题197 5.3项目实践197 第6章变量筛选技术204 6.1项目背景、目标和方案204 6.1.1项目背景204 6.1.2项目目标205 6.1.3项目方案205 6.2项目技术理论简介205 6.2.1变量相关性206 6.2.2变量筛选209 6.2.3变量降维215 6.2.4R语言实例代码225 6.3项目实践237 6.3.1变量筛选238 6.3.2变量降维243 第7章构建用户画像系统247 7.1项目背景、目标和方案247 7.1.1项目背景247 7.1.2项目目标248 7.1.3项目方案248 7.2项目技术理论简介248 7.2.1用户画像的基本概念248 7.2.2用户画像应用领域249 7.2.3用户画像分类250 7.2.4用户画像构建250 7.2.5用户画像标签的数值处理方法254 7.3项目实践256 第8章从数据中寻找优质用户261 8.1项目背景、目标和方案261 8.1.1项目背景261 8.1.2项目目标262 8.1.3项目方案262 8.2项目技术理论简介262 8.2.1逻辑回归的基本概念262 8.2.2建模流程266 8.2.3模型开发阶段269 8.2.4模型验证阶段279 8.2.5模型测试阶段285 8.2.6商业应用流程288 8.2.7R语言实例代码288 8.3项目实践295 8.3.1数据探索295 8.3.2数据处理297 8.3.3建立模型302 8.3.4模型验证304 8.3.5总结308 第9章文本挖掘——点评数据展示策略309 9.1项目背景、目标和方案310 9.1.1项目背景310 9.1.2项目目标311 9.1.3项目方案311 9.2项目技术理论简介312 9.2.1评论文本质量量化指标模型312 9.2.2用户相似度模型313 9.2.3情感性分析316 9.2.4R语言实例代码321 9.3项目实践326 9.3.1若干自定义函数326 9.3.2文本质量量化指标模型329 9.3.3用户相似度模型334 9.3.4情感性分析335 9.3.5总结340