幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

別怕統計學其實很簡單

  • 作者：編者:徐苑琳//李倩星|責編:吳曉月//王繼偉
  • 出版社：北京大學
  • ISBN：9787301308752
  • 出版日期：2019/12/01
  • 裝幀：平裝
  • 頁數：154
人民幣：RMB 45 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本優秀的統計學入門讀物，首先介紹了統計學理論知識，激發讀者對統計分析的興趣，幫助讀者完成理論準備。之後通過近 30 個商業案例深入地介紹了每種分析方法背後的原理、優缺點、適用範圍等，使讀者不僅知其然，更知其所以然。
    本書注重實際應用，幫助讀者在短時間內了解統計學的知識體系，體會到統計學在各行各業中是如何發揮強大作用的；使讀者具備一定的統計分析能力，並將這些知識應用到實際工作中。
作者介紹
編者:徐苑琳//李倩星|責編:吳曉月//王繼偉
目錄
第1章  為什麼要懂點統計學
  1.1  這些統計問題，你會做嗎
    1.1.1  三門問題
    1.1.2  「可靠」的醫療報告單
    1.1.3  波斯公主選駙馬
  1.2  統計學可以幫到你
    1.2.1  設計抽樣調查
    1.2.2  如何確定保險費用
    1.2.3  從統計學的角度看博彩
    1.2.4  更多現代行業應用
  1.3  到底什麼是統計學
    1.3.1  統計學的起源
    1.3.2  開啟推斷統計之門
    1.3.3  與電腦科學的交叉和結合
第2章  描述統計基礎
  2.1  基本概念
    2.1.1  不同的數據類型
    2.1.2  常用統計量
  2.2  數據預處理
    2.2.1  補全缺失數據
    2.2.2  剔除異常值
    2.2.3  數據的歸?化
  2.3  繪製統計圖表
    2.3.1  多種基本圖形
    2.3.2  繪製高維圖形
第3章  推斷統計基礎
  3.1  常見的幾種概率分佈
    3.1.1  二項分佈和泊松分佈
    3.1.2  正態分佈
    3.1.3  指數分佈
  3.2  相關分析與回歸分析基礎
    3.2.1  連續型和離散型相關係數
    3.2.2  一元回歸和多元回歸
    3.2.3  廣義線性回歸
第4章  描述性統計分析
  4.1  描述性統計分析基礎
  4.2  頻數分佈分析：用統計圖解決倫敦霍亂
    4.2.1  可怕的英國霍亂
    4.2.2  約翰·斯諾醫生的實地調查
    4.2.3  對倫敦霍亂平息過程的分析
    4.2.4  頻數分佈分析小結
  4.3  關注數據代表性：統計學家改良轟炸機
    4.3.1  「二戰」盟國轟炸德國損傷慘重
    4.3.2  轟炸機的返航率得到提高
    4.3.3  對轟炸機改進過程的分析
    4.3.4  數據代表性小結
  4.4  異常值分析：1號店提升營銷精準率
    4.4.1  1號店的數據分析案例
    4.4.2  1號店數據分析過程
    4.4.3  異常值分析小結

  4.5  對比分析：折線圖指導購房者尋找合算房價
    4.5.1  流行於購房網站的對比分析
    4.5.2  數據對比展示房價波動
    4.5.3  對比分析小結
  4.6  描述性統計分析概述：泰坦尼克號生還數據
    4.6.1  泰坦尼克號沉船始末
    4.6.2  探索生還者相關信息
    4.6.3  描述性統計分析小結
第5章  相關分析與回歸分析
  5.1  相關分析與回歸分析概述
  5.2  矩陣分解：價值百萬美元的Netflix推薦系統
    5.2.1  Netflix為推薦系統懸賞百萬美元
    5.2.2  構建一個推薦系統
    5.2.3  矩陣分解小結
  5.3  一元線性回歸：引發金融危機的風險價值模型
    5.3.1  廣受歡迎的風險價值模型
    5.3.2  評估一個理財產品的風險
    5.3.3  一元線性回歸小結
  5.4  評分系統：星巴克選址借力大數據
    5.4.1  越來越難以選擇的快餐店地址
    5.4.2  多元線性回歸與評分系統
    5.4.3  評分系統小結
  5.5  相關與回歸概述：航空乘客數量預測
    5.5.1  隨季節波動的航空乘客數量
    5.5.2  探究時間序列的相關性和回歸模型
    5.5.3  相關與回歸分析小結
第6章  關聯分析與聚類分析
  6.1  關聯分析與聚類分析概述
  6.2  購物籃分析：啤酒與尿布的經典案例
    6.2.1  沃爾瑪超市中的啤酒與尿布
    6.2.2  購物籃分析案例實解
    6.2.3  購物籃分析小結
  6.3  序列模式挖掘：Web訪問模式幫助電商優化網站
    6.3.1  序列模式挖掘存在的意義
    6.3.2  Web訪問模式與優化網站
    6.3.3  序列模式挖掘小結
  6.4  快速聚類：通過分類降低客戶退貨率
    6.4.1  日益興旺的在線銷售和退貨問題
    6.4.2  用聚類分析降低退貨率
    6.4.3  快速聚類小結
  6.5  層次聚類：為鳶尾花分類
    6.5.1  更多的聚類分析應用場景
    6.5.2  使用花瓣長寬、花萼長寬為鳶尾花分類
    6.5.3  層次聚類小結
  6.6  關聯與聚類綜述：加州極客的聚類分析把妹法
    6.6.1  使用大數據尋找另一半
    6.6.2  分成7類的潛在女朋友
    6.6.3  關聯分析與聚類分析小結
第7章  決策樹與模式識別
  7.1  C4.5演算法：電信客戶流失預測

    7.1.1  電信客戶的流失與預測
    7.1.2  使用信息熵建立決策樹模型
    7.1.3  為一個決策樹剪枝並解釋其規則
    7.1.4  決策樹小結
  7.2  自組織神經網路：最優路徑和旅行商問題
    7.2.1  旅行商問題的定義
    7.2.2  構建自組織神經網路並加以調整
    7.2.3  兩類神經網路小結
  7.3  貝葉斯決策：神奇的谷歌智能翻譯
    7.3.1  谷歌翻譯
    7.3.2  貝葉斯方法和智能翻譯應用
    7.3.3  貝葉斯決策小結
  7.4  支持向量機：應用廣泛的手寫識別與語音識別
    7.4.1  從阿里巴巴說起的模式識別
    7.4.2  解決了高維詛咒的支持向量機
    7.4.3  支持向量機小結
  7.5  判別分析：電信行業構建客戶流失模型
    7.5.1  激烈競爭引起客戶流失率升高
    7.5.2  用於分類的線性判別分析
    7.2.3  判別分析小結
  7.6  模式識別綜述：日趨成熟的信用評分模型
    7.6.1  美國為限制信用評分模型立法
    7.6.2  用多種演算法實現信用評分模型
    7.6.3  模式識別小結
第8章  更多的數據挖掘演算法
  8.1  核密度估計法：警務大數據預測犯罪
    8.1.1  《少數派報告》的現實版
    8.1.2  核密度估計法和聖克魯茲市的犯罪地圖
    8.1.3  核密度估計法小結
  8.2  Flu Trends：「谷歌流感趨勢」幫助控制疫情
    8.2.1  谷歌流感趨勢的成與敗
    8.2.2  谷歌流感趨勢與流感關聯詞
    8.2.3  以Flu Trends為代表的預測演算法小結
  8.3  Apriori演算法：透視美國國會投票模式
    8.3.1  以立法者自居的美國國會議員
    8.3.2  Apriori演算法和關聯分析
    8.3.3  國會投票模式小結
  8.4  SVD簡化數據：IBM軟體自動生成新菜譜
    8.4.1  IBM推出可生成無限食譜的APP
    8.4.2  SVD簡化數據與綜合計算
    8.4.3  創新菜譜軟體小結
  8.5  文本分析：垃圾郵件過濾系統
    8.5.1  回顧機械分詞法和貝葉斯決策
    8.5.2  詞頻統計在垃圾郵件過濾中的作用
    8.5.3  文本分析小結
  8.6  AdaBoost元演算法：偵測欺詐交易
    8.6.1  使用異常值偵測欺詐交易
    8.6.2  AdaBoost元演算法的分類器構建方法
    8.6.3  AdaBoost元演算法小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032