91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
基于R和Python的行為數(shù)據(jù)分析
基于R和Python的行為數(shù)據(jù)分析
Florent Buisson 著
林琪, 張學陽 等譯
出版時間：2025年09月
頁數(shù)：360
“這本書別具一格地從問題出發(fā)，充分利用技術(shù)和編程語言作為實用工具。讀者將從中學會如何解釋重要而棘手的問題。買下這本書，花時間好好讀一讀，這本書絕對值得你投入的時間和金錢。”
——Eric Weber
實驗部首席, Yelp

利用專門為行為數(shù)據(jù)分析設(shè)計的學習工具充分發(fā)揮企業(yè)行為數(shù)據(jù)的強大作用。常用的數(shù)據(jù)科學算法和預(yù)測分析工具總是將客戶行為數(shù)據(jù)（如網(wǎng)站點擊量或超市購買量）與其他數(shù)據(jù)等同對待。與此不同，這本實用指南介紹了專門為行為數(shù)據(jù)分析量身定做的強大方法。
高級實驗設(shè)計可以幫助我們最大程度利用A/B檢驗，因果圖則允許我們提取行為原因，即使無法運行實驗。這本書面向數(shù)據(jù)科學家、業(yè)務(wù)分析師和行為科學家，簡明實用，提供了豐富的R和Python示例幫助你一目了然地從數(shù)據(jù)中獲取更多信息。
● 理解行為數(shù)據(jù)的特征。
● 探討測量與預(yù)測之間的區(qū)別。
● 學習如何清理和準備行為數(shù)據(jù)。
● 設(shè)計和分析實驗，從而做出最優(yōu)商業(yè)決策。
● 使用行為數(shù)據(jù)理解和度量原因和結(jié)果。
● 以一種透明且周全的方式細分顧客。
  1. 前言
  2. 第一部分 理解行為
  3. 第1章 數(shù)據(jù)分析因果–行為框架
  4. 1.1 為什么需要因果分析解釋人類行為
  5. 1.1.1 不同分析類型
  6. 1.1.2 人是復(fù)雜的
  7. 1.2 混淆！用回歸解決問題的潛在危險
  8. 1.2.1 數(shù)據(jù)
  9. 1.2.2 為什么相關(guān)關(guān)系不是因果關(guān)系：混雜因素的作用
  10. 1.2.3 太多變量可能壞事
  11. 1.3 小結(jié)
  12. 第2章 理解行為數(shù)據(jù)
  13. 2.1 人類行為基本模型
  14. 2.1.1 個人特征
  15. 2.1.2 認知和情感
  16. 2.1.3 意圖
  17. 2.1.4 行動
  18. 2.1.5 業(yè)務(wù)行為
  19. 2.2 如何連接行為和數(shù)據(jù)
  20. 2.2.1 建立一種行為完整性思維模式
  21. 2.2.2 不信任與驗證
  22. 2.2.3 識別類別
  23. 2.2.4 細化行為變量
  24. 2.2.5 了解上下文
  25. 2.3 小結(jié)
  26. 第二部分 因果圖和去混雜
  27. 第3章 因果圖介紹
  28. 3.1 因果圖和因果–行為框架
  29. 3.1.1 因果圖表示行為
  30. 3.1.2 因果圖表示數(shù)據(jù)
  31. 3.2 因果圖的基本結(jié)構(gòu)
  32. 3.2.1 鏈式結(jié)構(gòu)
  33. 3.2.2 分叉結(jié)構(gòu)
  34. 3.2.3 對撞結(jié)構(gòu)
  35. 3.3 因果圖的常見轉(zhuǎn)換
  36. 3.3.1 劃分/拆解變量
  37. 3.3.2 聚合變量
  38. 3.3.3 關(guān)于環(huán)
  39. 3.3.4 路徑
  40. 3.4 小結(jié)
  41. 第4章 從頭構(gòu)建因果圖
  42. 4.1 業(yè)務(wù)問題和數(shù)據(jù)準備
  43. 4.1.1 數(shù)據(jù)和包
  44. 4.1.2 理解感興趣的關(guān)系
  45. 4.2 識別要包含的候選變量
  46. 4.2.1 行動
  47. 4.2.2 意圖
  48. 4.2.3 認知和情感
  49. 4.2.4 個人特征
  50. 4.2.5 業(yè)務(wù)行為
  51. 4.2.6 時間趨勢
  52. 4.3 根據(jù)數(shù)據(jù)確認要包含的可觀察變量
  53. 4.3.1 數(shù)值變量間的關(guān)系
  54. 4.3.2 分類變量間的關(guān)系
  55. 4.3.3 數(shù)值與分類變量間的關(guān)系
  56. 4.4 交互擴展因果圖
  57. 4.4.1 明確未觀察變量的代理
  58. 4.4.2 明確進一步原因
  59. 4.4.3 迭代
  60. 4.5 簡化因果圖
  61. 4.6 小結(jié)
  62. 第5章 數(shù)據(jù)分析中使用因果圖去混雜
  63. 5.1 業(yè)務(wù)問題：冰淇淋和瓶裝水銷售
  64. 5.2 析取原因規(guī)則
  65. 5.2.1 定義
  66. 5.2.2 第一個模塊
  67. 5.2.3 第二個模塊
  68. 5.3 后門規(guī)則
  69. 5.3.1 定義
  70. 5.3.2 第一個模塊
  71. 5.3.3 第二個模塊
  72. 5.4 小結(jié)
  73. 第三部分 魯棒數(shù)據(jù)分析
  74. 第6章 處理缺失數(shù)據(jù)
  75. 6.1 數(shù)據(jù)和包
  76. 6.2 缺失數(shù)據(jù)可視化
  77. 6.2.1 缺失數(shù)據(jù)量
  78. 6.2.2 缺失的相關(guān)性
  79. 6.3 診斷缺失數(shù)據(jù)
  80. 6.3.1 缺失的原因：Rubin分類
  81. 6.3.2 診斷MCAR變量
  82. 6.3.3 診斷MAR變量
  83. 6.3.4 診斷MNAR變量
  84. 6.3.5 缺失性范圍
  85. 6.4 處理缺失數(shù)據(jù)
  86. 6.4.1 多重插補（MI）簡介
  87. 6.4.2 默認插補方法：預(yù)測均值匹配
  88. 6.4.3 從PMM到正態(tài)插補（僅R）
  89. 6.4.4 增加輔助變量
  90. 6.4.5 增加插補數(shù)據(jù)集數(shù)量
  91. 6.5 小結(jié)
  92. 第7章 使用Bootstrap測量不確定性
  93. 7.1 Bootstrap簡介：自“引導”
  94. 7.1.1 包
  95. 7.1.2 業(yè)務(wù)問題：有一個異常值的小數(shù)據(jù)
  96. 7.1.3 樣本均值的Bootstrap置信區(qū)間
  97. 7.1.4 Bootstrap置信區(qū)間用于自定義統(tǒng)計分析
  98. 7.2 Bootstrap用于回歸分析
  99. 7.3 何時使用Bootstrap
  100. 7.3.1 傳統(tǒng)中心估計的充分條件
  101. 7.3.2 傳統(tǒng)CI的充分條件
  102. 7.3.3 確定Bootstrap樣本數(shù)
  103. 7.4 R和Python中優(yōu)化Bootstrap
  104. 7.4.1 R：boot包
  105. 7.4.2 Python優(yōu)化
  106. 7.5 小結(jié)
  107. 第四部分 設(shè)計和分析實驗
  108. 第8章 實驗設(shè)計：基礎(chǔ)
  109. 8.1 計劃實驗：改變理論
  110. 8.1.1 業(yè)務(wù)目標和目標指標
  111. 8.1.2 干預(yù)
  112. 8.1.3 行為邏輯
  113. 8.2 數(shù)據(jù)和包
  114. 8.3 確定隨機分配和樣本量/功效
  115. 8.3.1 隨機分配
  116. 8.3.2 樣本量和功效分析
  117. 8.4 分析和解釋實驗結(jié)果
  118. 8.5 小結(jié)
  119. 第9章 分層隨機化
  120. 9.1 計劃實驗
  121. 9.1.1 業(yè)務(wù)目標和目標指標
  122. 9.1.2 干預(yù)定義
  123. 9.1.3 行為邏輯
  124. 9.1.4 數(shù)據(jù)和包
  125. 9.2 確定隨機分配和樣本量/功效
  126. 9.2.1 隨機分配
  127. 9.2.2 使用Bootstrap模擬的功效分析
  128. 9.3 分析和解釋實驗結(jié)果
  129. 9.3.1 鼓勵干預(yù)的意向性估計
  130. 9.3.2 強制干預(yù)的CACE
  131. 9.4 小結(jié)
  132. 第10章 聚類隨機與層次建模
  133. 10.1 計劃實驗
  134. 10.1.1 業(yè)務(wù)目標和目標指標
  135. 10.1.2 干預(yù)定義
  136. 10.1.3 行為邏輯
  137. 10.2 數(shù)據(jù)和包
  138. 10.3 分層建模介紹
  139. 10.3.1 R代碼
  140. 10.3.2 Python代碼
  141. 10.4 確定隨機分配和樣本量/功效
  142. 10.4.1 隨機分配
  143. 10.4.2 功效分析
  144. 10.5 分析實驗
  145. 10.6 小結(jié)
  146. 第五部分 行為數(shù)據(jù)分析高級工具
  147. 第11章 調(diào)節(jié)
  148. 11.1 數(shù)據(jù)和包
  149. 11.2 調(diào)節(jié)的各種行為
  150. 11.2.1 細分
  151. 11.2.2 相互作用
  152. 11.2.3 非線性
  153. 11.3 如何應(yīng)用調(diào)節(jié)
  154. 11.3.1 何時需要調(diào)節(jié)
  155. 11.3.2 多調(diào)節(jié)量
  156. 11.3.3 用Bootstrap驗證調(diào)節(jié)
  157. 11.3.4 解釋單個系數(shù)
  158. 11.4 小結(jié)
  159. 第12章 中介和工具變量
  160. 12.1 中介
  161. 12.1.1 理解因果機制
  162. 12.1.2 因果偏差
  163. 12.1.3 識別中介
  164. 12.1.4 度量中介
  165. 12.2 工具變量
  166. 12.2.1 數(shù)據(jù)
  167. 12.2.2 包
  168. 12.2.3 理解和分析IV
  169. 12.2.4 度量
  170. 12.2.5 應(yīng)用IV：常見問題
  171. 12.3 小結(jié)
  172. 參考文獻
書名：基于R和Python的行為數(shù)據(jù)分析
作者：Florent Buisson 著
譯者：林琪, 張學陽 等譯
國內(nèi)出版社：中國電力出版社
出版時間：2025年09月
頁數(shù)：360
書號：978-7-5239-0158-8
原版書書名：Behavioral Data Analysis with R and Python
原版書出版商：O'Reilly Media
Florent Buisson
 
Florent Buisson是一位行為經(jīng)濟學家，在商業(yè)、分析和行為科學領(lǐng)域有10余年的經(jīng)驗。近年來他在Allstate保險公司創(chuàng)建并領(lǐng)導了四年的行為科學團隊。Florent在一些期刊上發(fā)表了多篇學術(shù)文章，如同行評議的《房地產(chǎn)研究雜志》(Journal of Real Estate Research)。他擁有巴黎Sorbonne大學計量經(jīng)濟學碩士學位和行為經(jīng)濟學博士學位。
 
 
本書的封面動物是一只南美洲響尾蛇。這種劇毒的蝮蛇棲息在南美洲除了安第斯山脈和遙遠南部的大部分地區(qū)。在一些加勒比海島上也能找到它。
這些響尾蛇外觀多樣，通常有蒼白的底面，背部在蒼白的背景上有深棕色的鉆石形狀或條紋。它們以嚙齒動物和蜥蜴為食。成年響尾蛇可以長到6英尺長，人工飼養(yǎng)可以活到20年。它們的繁殖是季節(jié)性的，雌性一次能產(chǎn)下多達14條小蛇。
據(jù)估計，美洲每年約有400人死于蛇咬，被南美洲響尾蛇咬傷尤其致命。它的毒液有四種主要毒素：響尾蛇毒素、驚厥毒素、回旋毒素和響尾蛇胺，響尾蛇用這些毒素捕獲和消化獵物。
響尾蛇經(jīng)常用它們的神秘偽裝作為第一道防線，在大型動物接近時保持靜止；這種策略可能會導致人類被咬，因為他們離蛇太近，甚至踩到蛇。另一道防線正是它們名字的由來：尾巴上的“響鈴”是它們獨特的警告特征。這些響鈴由多層松散的角質(zhì)鱗片構(gòu)成，響尾蛇使用一組獨有的尾部肌肉振動尾巴時，干燥的角質(zhì)層相互撞擊，發(fā)出眾所周知的聲音。每當響尾蛇蛻皮時，就會增加一組響鈴，所以鱗片的數(shù)量（連同響尾蛇的大小和長度）可以作為其年齡的一個潛在指標。
南美洲響尾蛇被世界自然保護聯(lián)盟列為最不受關(guān)注的物種。O’Reilly封面上的很多動物都瀕臨滅絕；它們對世界都很重要。
購買選項
定價：128.00元
書號：978-7-5239-0158-8
出版社：中國電力出版社