保正版！SAS数据挖掘与分析项目实战9787113268503中国铁道出版社中国

1.7天无理由退换货，2.当日16点前订单基本当日发出，最迟隔天，3.天津仓、成都仓、无锡仓、北京仓、广东仓、泰安仓、杭州仓、武汉仓就近发货。4.韵达、中国邮政、圆通、中通随机安排！无法指定快递敬请谅解！5.开票联系客服.

作者: 中国
出版社: 中国铁道出版社
ISBN: 9787113268503

出版时间: 2020-08
装帧: 平装
开本: 16开

作者: 中国
出版社: 中国铁道出版社

ISBN: 9787113268503
出版时间: 2020-08

装帧: 平装
开本: 16开

售价 45.18 5.7折

定价￥79.80

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2023-12-20

数量: 库存4件

立即购买加入购物车收藏

卖家超过10天未登录

商品详情
店铺评价

手机购买

微信扫码访问

商品分类：

教材教辅考试 > 教材 > 大学教材 > 计算机与互联网

货号：

1202121502

商品描述：

前言

这个技术有什么前途随着大数据、人工智能的发展，无论是阿里巴巴、腾讯、百度还是母婴店、超市，不同的企业都在尝试利用大数据、人工智能技术提升企业的运营决策效率、降低管理费用，同时扩大业务范围。作为人工智能主要内容的数据挖掘技术，一直紧跟时代潮流，在企业的运营决策中发挥着越来越大的作用。作为非常常用的商业数据挖掘软件SAS，也紧跟大数据、人工智能的发展，不断创新。从1960年至今，经过几十年的完善和发展，SAS系统在业内被公认为统计分析的标准软件，在零售、制造、银行、保险、通信、互联网、教育、医学、新闻媒体等领域得到广泛应用。基于当前大数据、人工智能的发展，以及SAS在数据挖掘领域的地位及广泛应用，如果你是数据分析行业里的新人，笔者建议要首先学会使用SAS，它很好操作，并且市场占有率非常高。对于数据挖掘领域里的专业人士，如果至少需要掌握两种工具，首先建议掌握SAS软件。笔者的使用体会  SAS功能强大，统计方法齐、全、新。SAS提供了从基本的描述性统计分析到各种试验设计的方差分析、相关回归分析、因子分析、聚类分析、时间序列分析等多种统计分析，几乎囊括了所有很前沿的分析方法，其分析技术先进、可靠，分析方法的实现通过过程调用完成，许多过程同时提供了多种算法和选项。  使用简便，操作灵活。SAS以一个通用的数据（DATA）产生数据集，可以通过不同的过程调用完成各种数据分析挖掘过程。SAS编程语句简洁、短小，通常只需很少的几个语句即可完成一些复杂的运算，得到满意的结果。  SAS有可在 DATA 和 PROC 使用的大量函数和自定义函数，功能非常强大，也可以作为被DATA和PROC使用的宏语言。  SAS 的软件及算法都是经过检验的，专业的医学生物数据统计一般只使用SAS软件。  SAS非常容易上手，如果你会SQL，则可以立即上手使用SAS。SAS提供了丰富的统计功能，其友好的GUI界面可以让分析师快速上手，并且得到很好的技术支持。  在商业分析领域，SAS是无可争辩的行业领导者，就全球而言，SAS仍然是公司和机构中使用*多的数据分析工具之一，尤其是大型金融公司。本书的特色  案例丰富：本书不空讲SAS语法和模型算法，以大量企业实际案例、清晰简明的解释以及尽可能少的专用术语来介绍SAS的实际应用。  内容全面：覆盖企业中的热点应用案例，比如精准营销、流失预警、客户分群、信用评分、广告点击率预测等。如果读者是公司的数据分析师，则可以直接参考案例进行相关模型研发。  较新的软件版本：以SAS 94软件版本，向读者介绍如何使用SAS进行数据挖掘项目的开发工作。  配备数据和源代码：提供所有案例的数据文件和SAS源代码，供读者操作练习、快速学习。  学习路线图清晰：每个案例均按照数据挖掘项目的一般工作流程逐步展开。

商品简介

SAS数据挖掘与分析项目实战讲述了在实际运营中核心的数据挖掘分析案例，为读者重点展示了SAS在精准营销、客户流失预警、客户分群、广告点击、信用卡欺诈、信用风险评分等领域中的具体应用。本书分为16章，以数据挖掘基础知识介绍开始，循序渐进地讲述了Kaggle数据科学社区调查数据分析、考察汽车耗油量与里程数的关系分析、影响汽车销售的关键因子分析、健身运动中耗氧量回归分析、旅客量预测分析、客户群分类判别分析、销售公司的客户分群、员工离职预测、广告点击率预测、产品精准营销模型、电信客户流失预警、银行贷款用户风险分析、信用风险评分卡的开发以及信用卡反欺诈预测模型等案例。*后一章介绍了与数据挖掘项目中的时间成本有较大关系的SAS数据清洗的相关技术。本书案例丰富，实用性较强，特别适合从事数据挖掘、统计建模、机器学习、商业分析、运营分析等工作的人员使用，也可作为数学、统计学、金融管理、计算机等专业的学生学习SAS数据挖掘应用的参考书籍。

作者简介

尚涛，毕业于上海交通大学数学系，拥有数学专业硕士学位，研究方向为数据挖掘及机器学习领域，曾任职于支付宝、平安科技、易方达基金，现任职于南方基金，专注于信用风险评分、精准营销、推荐系统、文本挖掘等领域数据挖掘项目的研发工作以及企业的数据化运营落地工作，拥有超过10年数据挖掘和优化建模的经验，以及多年使用SPSS、SAS、R、Python等建模软件的经验。在从业经历中，多次为所在公司的业务方提供数据挖掘技术服务，成功实施了众多深受好评的数据挖掘项目，取得了较好的业务价值。

目录

第1章数据挖掘知识介绍11数据挖掘算法简介111分类112聚类113关联114预测12分类模型的相关概念121数据说明122混淆矩阵123ROC曲线和AUC面积124提升（Lift）125KS曲线13数据挖掘过程中关键问题处理131数据准备132定义变量及数据抽样133变量选择134缺失值处理135模型比较14SAS STAT介绍第2章Kaggle数据科学社区调查分析21描述性统计分析的主要内容211数据的频数分析212数据的集中趋势分析213数据的离散程度分析214数据的分布215绘制统计图22SAS描述性分析过程介绍221PROC FREQ过程222PROC MEANS过程223PROC UNIVARIATE过程23调查数据说明24数据探索25Kaggle社区用户画像分析251人员属性252工作属性253技能属性254学习属性第3章考察汽车耗油量与里程数的关系31项目背景32非线性回归简介33非线性回归过程说明34广义线性模型过程35数据文件说明36数据探索37模型建立38结果分析第4章影响汽车销售的关键因子分析41数据说明42因子分析的基本原理421因子分析模型422因子旋转423计算因子得分43因子分析的步骤和SAS过程431因子分析的步骤432FACTOR过程说明44模型开发及结果解释45主成分分析和因子分析的区别第5章健身运动中耗氧量回归分析51线性回归模型52REG过程521过程选项522MODEL语句选项523关键字选项524PLOT语句选项53数据说明54相关性分析55回归分析56逐步回归561逐步回归过程562利用逐步回归选择变量第6章旅客量预测分析61项目背景62数据文件说明63平稳随机过程概述631自回归模型632滑动平均模型633自回归滑动平均模型64ARMA模型的识别641基于相关函数的定阶方法642利用信息准则法定阶65模型参数的估计66时间序列的分析步骤67SAS系统的ARIMA过程671ARIMA语句选项672IDENTIFY语句选项673ESTIMATE语句选项674FORECAST语句选项675ARIMA建模过程68数据探索681平稳性检验682序列变换69自相关函数检验610模型参数估计611预测第7章客户群分类判别分析71业务背景及数据说明72判别分析的数学原理73判别分析的SAS过程731DISCRIM过程732CANDISC过程733STEPDISC过程74数据探索75客户群判别模型建立76模型应用第8章销售公司的客户分群分析81项目背景811客户细分的概念812客户细分模型813客户细分模型的基本流程814细分方法介绍82聚类分析的数学原理821聚类的数学原理822距离和相似距离823聚类方法824聚类数的确定825聚类分析步骤83SAS中的聚类过程831Cluster系统聚类过程832Fastclus快速聚类过程833Varclus方差聚类过程834Tree聚类树型输出过程84数据文件说明85数据探索851变量衍生852变量标准化853变量相关性分析86模型建立87客户画像分析88模型应用第9章员工离职预测91项目背景92数据说明93数据探索94数据建模941变量相关分析942决策树建模95模型评估与应用第10章广告点击率预测101业务背景1011网络广告发展情况1012计算广告学102数据说明103数据不平衡的处理方式1031收集更多的数据1032改变模型性能评价指标1033重新对样本进行采样104模型开发与评估1041样本欠抽样1042模型开发1043模型评估105CTR模型的发展脉络第11章产品精准营销推荐111项目背景1111业务背景1112数据说明1113项目目标112数据探索1121变量描述性统计分析1122变量缺失值处理1123变量衍生处理113模型建设1131欠抽样1132数据集分割1133模型开发1134模型评估114模型应用1141产品自动化推荐系统1142易受到市场环境等各种因素的影响1143人群特征漂移需要不断优化模型第12章通信客户流失预警模型121项目背景1211客户流失分析要解决的问题1212分析客户流失的类型1213如何进行客户流失分析122数据说明123因变量定义124样本抽取125数据探索126模型开发1261变量衍生1262变量选择1263相关性处理1264模型结果127模型评估1271开发样本上的模型性能1272验证样本上的模型性能128模型应用第13章银行贷款用户风险分析131案例背景132因变量定义133样本抽取134数据探索1341为什么要进行数据探索1342数据分布情况135模型建设1351变量衍生1352变量选择1353共线性处理1354模型结果136模型性能评估1361开发样本上的模型性能1362验证样本上的模型性能137模型应用第14章信用风险评分卡开发141信用评分模型简介142信用卡模型的开发过程143案例背景及项目目标确定1431项目背景说明1432确定项目目标144数据获取145数据质量检验146项目参数设定1461排除规则确定1462表现和观察窗口1463确定“坏”的定义1464滚动率分析1465客户分群147数据探索1471数据分布分析1472缺失值的处理1473*值的处理148模型开发1481证据权重（WOE）1482信息值（IV）1483变量选择1484变量分组1485变量相关性分析1486模型迭代开发149模型评估1491混淆矩阵1492KS统计量1493ROC曲线1410评分卡创建14101评分尺度变换14102变量分值分配1411评分卡实施1412监测与报告1413拒绝推断1414运用评分卡需要注意的事项
【前言】

主编推荐

SAS数据挖掘与分析项目实战的特色：
案例丰富：SAS数据挖掘与分析项目实战不空讲SAS语法和模型算法，以大量企业实际案例、清晰简明的解释以及尽可能少的专用术语来介绍SAS的实际应用。
内容全面：覆盖企业中的热点应用案例，比如精准营销、流失预警、客户分群、信用评分、广告点击率预测等。如果读者是公司的数据分析师，则可以直接参考案例进行相关模型研发。
较新的软件版本：以SAS 94软件版本，向读者介绍如何使用SAS进行数据挖掘项目的开发工作。
配备数据和源代码：提供所有案例的数据文件和SAS源代码，供读者操作练习、快速学习。
学习路线图清晰：每个案例均按照数据挖掘项目的一般工作流程逐步展开。
【内容简介】
配送说明

...
相似商品
为你推荐

孔网分类

图书

图书

保正版！SAS数据挖掘与分析项目实战9787113268503中国铁道出版社中国

孔网啦啦啦啦啦纺织女工火锅店第三课