SAS+R大数据行业应用案例分析：运用预测模型和机器学习技术

　　图书内容● 理解分析和基本的数据概念● 使用分析方法解决各行业问题● 利用机器学习技术建立预测模型● 创建和应用分析策略

　　Deepti Gupta于2010年完成了运营研究中Finance & PGPM的MBA学位。她曾在毕马威和IBM私人有限公司担任数据科学工作者，目前为数据科学自由职业者。Deepti在预测性建模和机器学习方面具备丰富的经验，具有使用SAS和R的专业知识。Deepti制定了数据科学课程，提供数据科学培训，在企业和学术机构举办研讨会。她撰写了多篇博客和多本白皮书。Deepti热衷于指导新数据科学工作者。

□□章 各行业中的数据分析及其应用
1．1 数据分析是什么
1．1．1 数据采集
1．1．2 数据准备
1．1．3 数据分析
1．1．4 模型建立
1．1．5 结果
1．1．6 投入使用
1．2 分析的类型
1．3 了解数据及其类型
1．4 什么是大数据分析
1．4．1 大数据分析的挑战
1．4．2 数据分析和大数据工具
1，4．3 在各种行业中数据分析的作用
1．4．4 谁是分析竞争者
1．5 不同行业中的关键模型及其应用
1．6 小结
第2章 银行业案例分析
2．1 在银行部门中分析的应用
2．1．1 通过交叉销售和向上销售增加利润
2．1．2 □大限度地减少客户流失
2．1．3 增加获取客户的能力
2．1．4 预测银行贷款违约
2．1．5 预测欺诈活动
2．2 案例分析：使用逻辑回归模型预测银行贷款违约
2．2．1 逻辑回归方程
2．2．2 概率
2．2．3 逻辑回归曲线
2．2．4 逻辑回归假设
2．3 在逻辑回归模型中的各个自变量统计检验
2．3．1 逻辑回归
2．3．2 在逻辑回归模型中预测值的验证
2．4 基于R的逻辑回归模型
2．4．1 关于数据
2．4．2 执行数据探索
2．4．3 完全数据的建模与解释
2．4．4 训练数据和测试数据的模型构建及其解释
2．4．5 预测值验证
2．5 基于SAS的逻辑回归模型
2．6 小结
……
第3章 零售业案例分析
第4章 电信案例分析
第5章 医疗行业案例分析
第6章 航空公司案例分析
第7章 快速消费品案例分析