R语言与网站分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

R语言与网站分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 统计思维与网站分析1

1.1不确定与确定1

1.2统计分析方法4

1.2.1细分分析4

1.2.2对比分析6

1.2.3趋势分析7

1.3网站分析概要7

1.3.1解决用户需求7

1.3.2寻找新的用户需求10

第2章R语言数据操作基础11

2.1R简介11

2.2了解R软件11

2.2.1软件安装11

2.2.2 R软件界面12

2.2.3工作目录14

2.2.4命令行交互15

2.2.5命令脚本文件16

2.2.6工作空间数据16

2.2.7帮助17

2.2.8 R语言入门18

2.2.9扩展算法包19

2.3 R语言的数据类型21

2.4对象及其属性23

2.4.1固有属性：模式和长度24

2.4.2读取和设置属性值24

2.4.3对象的搜索和删除25

2.5向量26

2.5.1创建向量26

2.5.2向量索引26

2.5.3向量编辑29

2.5.4向量排序29

2.5.5向量去重30

2.5.6缺失值处理30

2.5.7向量间操作31

2.6矩阵和数组31

2.6.1创建矩阵32

2.6.2矩阵索引33

2.6.3矩阵编辑34

2.6.4矩阵的运算35

2.6.5数组37

2.6.6 apply函数应用38

2.7列表和数据框39

2.7.1列表的创建和索引39

2.7.2列表编辑40

2.7.3数据框的创建和名称40

2.7.4数据框索引41

2.7.5数据框编辑43

2.7.6缺失值处理44

2.8因子44

2.8.1无序和有序因子45

2.8.2连续数据的离散化46

2.9字符串操作47

2.9.1字符串长度nchar48

2.9.2字符串合并和分割48

2.9.3字符串内部字符的读取和替换49

2.9.4正则表达式52

2.10常用数据的创建53

2.10.1因子序列的创建53

2.10.2等差序列的创建54

2.10.3随机抽样sample54

2.10.4重复序列rep55

2.10.5概率分布55

2.11控制流58

2.11.1分支语句58

2.11.2循环语句59

2.12运算符、函数和过程61

2.12.1常用运算符61

2.12.2函数62

2.12.3过程63

2.13数据的读写等操作64

2.13.1读取数据64

2.13.2输出数据68

第3章 R语言的绘图基础69

3.1概述69

3.2颜色以及文字/点/线参数的设置69

3.2.1颜色71

3.2.2文字元素相关参数设置76

3.2.3点元素相关参数设置77

3.2.4线元素相关参数设置79

3.3低级绘图函数80

3.3.1引例80

3.3.2标题81

3.3.3图例83

3.3.4坐标轴84

3.3.5边框88

3.3.6网格线89

3.3.7点90

3.3.8线91

3.3.9文字94

3.3.10多边形96

3.4高级绘图函数以及常用绘图应用96

3.4.1图形类型的选择96

3.4.2散点图98

3.4.3气泡图100

3.4.4曲线图102

3.4.5柱状图105

3.4.6 条形图109

3.4.7饼图111

3.4.8面积堆积图115

3.4.9直方图和密度曲线图118

3.5绘图窗口操作函数120

3.5.1单一窗口中的子绘图区域布局120

3.5.2绘图窗口操作120

第4章 单指标分析121

4.1指标描述121

4.1.1平均值和集中趋势121

4.1.2正态分布126

4.1.3频数分析130

4.1.4描述性分析指标131

4.2异常点监控133

4.2.1概述133

4.2.2 P控制图：监控转化率型指标135

4.2.3单值-均值控制图142

4.2.4单值-移动极差控制图147

4.3连续型指标的对比150

4.3.1数据变换150

4.3.2假设检验152

4.3.3相同指标内的两组数对比：T检验153

4.3.4相同指标内的多组数据对比：单因素方差分析156

4.3.5单因素协方差分析163

4.4分类型指标的对比167

4.4.1列联表分析167

4.4.2卡方独立性检验172

第5章 时间序列分析177

5.1时间序列177

5.2增长率180

5.2.1环比增长率180

5.2.2同比增长率181

5.3移动平均181

5.3.1数学原理概述181

5.3.2 filter函数182

5.3.3 R语言实现184

5.4指数平滑185

5.4.1一次指数平滑186

5.4.2二次指数平滑187

5.4.3三次指数平滑191

5.5 ARIMA模型194

5.5.1自相关性194

5.5.2平稳性和白噪声199

5.5.3 MA滑动平均过程200

5.5.4 AR自回归过程202

5.5.5 ARMA自回归滑动平均混合过程203

5.5.6检验模型质量205

5.5.7非平稳时间序列的ARIMA过程208

第6章 连续指标建模：回归分析213

6.1一元线性回归分析213

6.1.1引例213

6.1.2一元线性回归分析的原理及R语言实现214

6.2多元回归分析221

6.2.1引例222

6.2.2多元线性回归分析建模222

6.2.3模型修正函数update（）223

6.2.4逐步回归分析函数step（）226

6.2.5自变量中包含分类型数据的回归分析228

6.3 Logic回归分析230

6.3.1引例及数据230

6.3.2 logic分析的原理230

6.3.3 R语言实现232

6.4回归树CART237

6.4.1 rpart函数237

6.4.2预测及模型性能衡量240

6.4.3过度拟合和剪枝240

第7章 分类指标建模：分类分析243

7.1决策树分类分析243

7.1.1概述243

7.1.2 C4.5算法247

7.1.3 CART算法258

7.1.4条件推理决策树算法265

7.1.5随机森林算法267

7.2贝叶斯分类268

7.2.1贝叶斯定理268

7.2.2朴素贝叶斯分类器270

7.3支持向量机SVM271

7.3.1原理271

7.3.2在R语言中实现非线性SVM分析273

7.4人工神经网络274

7.4.1神经元274

7.4.2两层网络275

7.4.3反向传播算法276

7.4.4 R语言实现282

7.4.5隐藏层中神经单元数目的确定283

7.5分类器的性能评估284

7.5.1混淆矩阵284

7.5.2 ROC曲线和AUC287

7.5.3提升度和提升曲线291

7.5.4洛伦兹曲线292

第8章 样本细分293

8.1数据降维293

8.1.1问题引入293

8.1.2因子分析概述294

8.1.3 factanal函数296

8.1.4实例：问卷调查的因子分析297

8.2聚类分析303

8.2.1距离303

8.2.2层次聚类313

8.2.3 kmeans聚类318

8.3样本判别321

8.3.1 knn （k最近邻分类）算法323

8.3.2实例：基于knn算法的商品推荐系统324

第9章 样本间的关系329

9.1关联分析329

9.1.1关联分析的原理329

9.1.2 Apriori算法的R语言实现331

9.2序列模式关联分析334

9.2.1序列模式关联分析的原理334

9.2.2序列模式关联分析的R语言实现336

9.2.3实例：用户点击页面的行为分析338

9.3关系网络分析346

9.3.1网络关系分析的基本概念346

9.3.2中心度356

9.3.3中心势362

9.3.4社群发现363

9.3.5实例：分析微博的传播特性367

9.3.6实例：购物车商品分类分析370

第10章 文本分析378

10.1数据处理378

10.1.1数据引例378

10.1.2分词和词条380

10.1.3语料库和文档381

10.1.4词条一文档关系矩阵384

10.2实例：QQ群消息历史分析387

10.2.1数据集387

10.2.2数据集格式转化389

10.2.3留言文本的分词操作390

10.2.4分析常用话题词汇391

10.2.5建立用户-词条间的网络关系图392

10.2.6绘制重点词条和用户的网络图392

10.3 XML包爬取网页数据394

10.3.1 htmlParse函数395

10.3.2 getNodeSet函数395

10.3.3 xmlValue函数396

10.3.4 xmlGetAttr函数396

10.3.5实例：爬取某电商网站衬衫类目商品的部分信息397

第11章 网站指标监控系统的搭建400

11.1gWidgets包基础400

11.1.1环境搭建400

11.1.2引例401

11.1.3常用控件406

11.2实例：商品搜索算法参数配置监控GUI系统414

11.2.1商品搜索算法概述414

11.2.2原始商品信息415

11.2.3系统概述417

11.2.4模块布局418

11.2.5计算除关键字匹配以外的指标得分420

11.2.6模拟一次搜索行为数据421

11.2.7模拟多次搜索行为数据423

11.2.8绘图423

第12章 基于RFM模型的客户价值系统427

12.1马尔科夫链427

12.1.1引例427

12.1.2概念428

12.1.3预测实例428

12.2 RFM模型431

12.2.1 RFM的概念431

12.2.2数据集431

12.2.3购买行为随机模型432

12.3结合马尔科夫链的RFM模型436

12.3.1购买状态转移矩阵437

12.3.2预测用户购买状态445