第1 章 互聯網+統計學+R 語言1
1.1 互聯網中的統計學 1
1.1.1 “互聯網+”的發展 1
1.1.2 統計學的發展 2
1.1.3 大數據時代的統計學 2
1.2 R 語言——互聯網與統計學的橋梁 3
1.3 本書結構5
第2 章 R 語言基礎7
2.1 安裝R 語言 7
2.1.1 獲取和安裝R 語言 7
2.1.2 安裝RStudio 9
2.1.3 R 包 10
2.1.4 幫助 12
2.2 R 語言基本對象 12
2.2.1 數據類型12
2.2.2 嚮量 12
2.2.3 矩陣和數組19
2.2.4 列錶 27
2.2.5 數據框 29
2.2.6 因子 32
2.2.7 數據類型的辨彆和轉換 39
2.2.8 數據類型和對象關係 39
2.3 工作空間和查看對象 40
2.3.1 工作空間和工作目錄 40
2.3.2 遍曆、創建、刪除文件夾41
2.3.3 查看對象的方法 42
2.4 數據導入和導齣 43
2.4.1 數據導入43
2.4.2 數據導齣49
2.5 操作符和函數 51
2.5.1 操作符 51
2.5.2 函數 54
2.6 數據集操作59
2.6.1 變量操作60
2.6.2 數據集操作63
2.6.3 數據集連接67
2.6.4 數據匯總68
2.7 控製流71
2.7.1 重復和循環71
2.7.2 條件執行73
2.7.3 next 和break 74
2.8 自定義函數75
第3 章 互聯網運營指標的建立 77
3.1 項目背景、目標及方案78
3.1.1 項目背景78
3.1.2 項目目標78
3.1.3 項目方案78
3.2 項目技術理論簡介78
3.2.1 骨灰級流量指標 78
3.2.2 登錄和激活80
2.2.3 訪問深度和吸引力81
3.2.4 訂單指標85
3.2.5 網站或APP 性能指標 86
3.2.6 轉化率 87
3.2.7 層次分析法87
3.3 項目實踐 92
3.3.1 搭建運營指標係統92
3.3.2 製作對比型指標及趨勢綫97
3.3.3 創建用戶價值和活躍度指標101
第4 章 指標監控係統111
4.1 項目背景、目標及方案111
4.1.1 項目背景.111
4.1.2 項目目標.111
4.1.3 項目方案 112
4.2 項目技術理論簡介 112
4.2.1 時間序列基本統計量112
4.2.2 數據觀測與描述性統計 113
4.2.3 隨機性 115
4.2.4 周期性 115
4.2.5 節假日模式識彆 115
4.2.6 建模數據集的建立 118
4.2.7 指標監控方法（不含節假日） 125
4.2.8 節假日指標監控方法134
4.2.9 R 語言實例代碼 135
4.3 項目實踐 141
4.3.1 數據概覽 142
4.3.2 節假日模式識彆 145
4.3.3 模型數據集的建立 155
4.3.4 指標監控（非節假日） 160
4.3.5 節假日指標監控 176
4.3.6 總結181
第5 章 用數據驅動業務——AB 測試182
5.1 項目背景、目標和方案 182
5.1.1 項目背景 182
5.1.2 項目目標 183
5.1.3 項目方案 183
5.2 項目技術理論簡介 183
5.2.1 自動化分流策略 183
5.2.2 整體評估指標185
5.2.3 概率論預備知識 186
5.2.4 假設檢驗 191
5.2.5 三個問題 197
5.3 項目實踐 197
第6 章 變量篩選技術 204
6.1 項目背景、目標和方案 204
6.1.1 項目背景 204
6.1.2 項目目標 205
6.1.3 項目方案 205
6.2 項目技術理論簡介 205
6.2.1 變量相關性 206
6.2.2 變量篩選 209
6.2.3 變量降維 215
6.2.4 R 語言實例代碼 225
6.3 項目實踐 237
6.3.1 變量篩選 238
6.3.2 變量降維 243
第7 章 構建用戶畫像係統 247
7.1 項目背景、目標和方案 247
7.1.1 項目背景 247
7.1.2 項目目標 248
7.1.3 項目方案 248
7.2 項目技術理論簡介 248
7.2.1 用戶畫像的基本概念248
7.2.2 用戶畫像應用領域 249
7.2.3 用戶畫像分類250
7.2.4 用戶畫像構建250
7.2.5 用戶畫像標簽的數值處理方法 254
7.3 項目實踐 256
第8 章 從數據中尋找優質用戶 261
8.1 項目背景、目標和方案 261
8.1.1 項目背景 261
8.1.2 項目目標 262
8.1.3 項目方案 262
8.2 項目技術理論簡介 262
8.2.1 邏輯迴歸的基本概念262
8.2.2 建模流程 266
8.2.3 模型開發階段269
8.2.4 模型驗證階段279
8.2.5 模型測試階段285
8.2.6 商業應用流程288
8.2.7 R 語言實例代碼 288
8.3 項目實踐 295
8.3.1 數據探索 295
8.3.2 數據處理 297
8.3.3 建立模型 302
8.3.4 模型驗證 304
8.3.5 總結308
第9 章 文本挖掘——點評數據展示策略309
9.1 項目背景、目標和方案 310
9.1.1 項目背景 310
9.1.2 項目目標 311
9.1.3 項目方案 311
9.2 項目技術理論簡介 312
9.2.1 評論文本質量量化指標模型312
9.2.2 用戶相似度模型 313
9.2.3 情感性分析 316
9.2.4 R 語言實例代碼 321
9.3 項目實踐 326
9.3.1 若乾自定義函數 326
9.3.2 文本質量量化指標模型 329
9.3.3 用戶相似度模型 334
9.3.4 情感性分析 335
9.3.5 總結340
· · · · · · (收起)