大數據決策分析盲點大突破10講：我分類故我在(2版)


	我分類故我在！大數據也要大思維！思維革新比數據技術更重要！　　在商業分析和商業智慧的脈絡下，建構大數據，而不是從巨量資料當中大海撈針。　　在未來，容易上手的程式只會越來越普及，唯有絕佳的資料素養，和更有價值的決策能力才能讓你不同凡響。　　如果只是把資料變大，認知學習能力的維度卻沒有變大，接下來會如何？從少量數據都學習不到的價值，大數據只是讓它更遙不可及。　　作者鑽研R語言多年、擁有資深學界經驗，貢獻良多。本書內容豐富，以十個面向切入，探討大數據所必備的工具，例如R-Commander、決策樹、隨機森林與R語言強大的視覺化功能。除了概念解析之外，作者更逐行解析專業程式語言，再加碼實際操作與應用功能說明，在每講的最後，還能領略作者獨到的觀念釐清，讓你不會迷失在大數據的眉角中。非常適合做為R語言的基礎自學書，對於初入大數據領域的讀者如同暮鼓晨鐘、醍醐灌頂，對已入行的數據分析師而言，更是當頭棒喝、突破盲點。


	目錄推薦序　　自序　第1講淺談解析型企業 1.1 大數據是因為它有大用　　 1.2 資料解析的兩個大數據環境　 1.3 演算法 1.4 數據解析之資訊概論　　 1.5 資料驅動？別鬧了！數字不會說話 1.6 本書安排　第2講掌握資料的統計性質—分布 2.1 資料分布的前兩階動差—平均數和變異數　 2.2 描述資料中央趨勢的兩組方法　　 2.3 資料分布的另外兩個動差　　 2.4 提審大數據　　第3講時間序列的分類分析 3.1 時間序列性質　　 3.2 時間序列分析—低頻　　 3.3 時間序列分析—日高頻資料　　 3.4 時間序列分類分析—日內高頻資料　　 3.5 提審大數據　　第4講線性模式的分類原理—期望值與信賴區間 4.1 簡易統計原理　　 4.2 R GUI 實作　 4.3 R 程式碼實作　　 4.4 提審大數據　　第5講二元模式的分類原理—Logistic 迴歸 5.1 簡易廣義線性模型　　 5.2 R GUI 的實作　　 5.3 R 程式的實作　　 5.4 提審大數據　　第6講主成分的分類原理—把資料變少了 6.1 簡易原理　　 6.2 R GUI 的實作　　 6.3 R 程式的實作　　 6.4 提審大數據　　第7講集群分析的分類原理 7.1 集群分析的基本概念　　 7.2 R GUI 實作　　 7.3 R 程式的實作　　 7.4 提審大數據　　第8講決策樹和隨機森林的原理 8.1 分類決策樹原理　　 8.2 用 R GUI 實作　　 8.3 R Code　　 8.4 隨機森林　　 8.5 提審大數據　　第9講大數據行銷—購物籃分析 9.1 關聯的分類原理簡介　　 9.2 R GUI 實作　 9.3 R code　 9.4 提審大數據　　第10講文字探勘淺談 10.1 文字探勘簡介　　 10.2 隱藏馬可夫模型 (HMM, Hidden Markov Model)　 10.3 RLab　　附錄A 有關 R 的 GUI 裝置問題 A.1 R 漫談和 GUI 簡介　　 A.2 R-Commander 的裝置　　 A.3 安裝與載入 R-Commander　附錄B 裝置 rattle　　附錄C 資料檔和 MySQL 資料庫的存取 C.1 資料檔讀取　　 C.2 資料庫讀取　　 C.3 處理資料表的函數　附錄D 強化法 D.1 支援向量機 SVM 簡介　　 D.2 推進 (Boosting) 方法簡介