原创 R做購物籃關聯分析
運用apriori算法 #安裝arules包並加載 #內置Groceries數據集 install.packages(“arules”) #下載軟
2020-07-07 17:09:34
原创 主成分和因子分析的區別
1. 原理不同： 主成分分析（Principal components analysis，PCA）基本原理：利用降維（線性變換)的思想，在損失很少信息的前提下把多個指標轉化爲幾個不相關的綜合指標（主成分)，即每個主成分都是原始變量的線性
2020-07-07 17:09:23
原创 AR模型和線性預測的關係
設x(n)在n時刻之前的p個數據已知,我們希望利用這p個數據來預測n時刻的值x(n),預測的方法很多,我們用線性預測來實現，是真實值x(n)的預測，那麼有: 令真實值和預測值之間的誤差是e(n)，則有: 因此,總的預測誤差功率爲：
2020-07-07 16:09:20
1
原创 R交互化展示-shiny包
install.packages(“shiny”) library(shiny) #查看實例 runExample() runExample(“01_hello”) #定義web應用的用戶界面 shinyUI(pageWithSi
2020-07-07 16:09:18
原创 R進行相關性分析
一、相關性矩陣計算： [1] 加載數據： data = read.csv(“231-6057_2016-04-05-ZX_WD_2.csv”,header=FALSE) 說明：csv格式的數據，header=FALSE 表示沒
2020-07-07 16:09:18
原创 R構建RFM模型
RFM模型僅僅是一個前期的探索性分析，可以利用RFM模型輸出的指標結果還可以進行其他分類以及降維模型的構建，深入探索客戶數據價值，挖掘潛在營銷點。 RFM模型是市場營銷和CRM客戶管理中經常用到的探索性分析方法，透過模型深入挖掘客
2020-07-07 15:28:49
2
原创 R實現數據抽樣
訓練集與測試集 x爲輸入變量，y爲輸出變量。利用訓練集中的x,y建立模型。 將測試集中的x帶入模型，來預測測試集目標輸出變量y的值，設爲y’，將訓練集的x帶入模型，來預測訓練集目標輸出變量y的值，設爲y’’。那麼y’’
2020-07-07 15:28:37
1
原创 R數據可視化-ggplot2包
ggplot2作圖 qplot函數： install.packages(“ggplot2”) library(ggplot2) #ggplot2自帶的數據集diamonds diamonds getOption(“max.prin
2020-07-07 15:28:37
1
原创 較常使用的分析方式
1.主成分分析 主成分分析主要是一種探索性的技術，在分析者進行多元數據分析之前，用他來分析數據，讓自己對數據有一個大致的瞭解，這是非常有必要的。 主成分分析一般很少單獨使用：a、瞭解數據。（screening the data），b、和c
2020-07-07 15:28:37
原创 R做數據處理
1、數據獲取的SQL語句 #查看創建的表 SHOW CREATE TABLE dmk.dmk_sal_actual_sales_dtl; #用原有的表創建一張新表 CREATE TABLE temp.dmk_sal_actu
2020-07-07 15:28:37
11
原创 R做判別分析
線性判別法： library(MASS) ld=lda(G~x1+x2) z=predict(ld) newG=zclasscbind=(G,zclass cbind=(G,zclasscbin
2020-07-07 15:28:37
7
原创 相關和迴歸分析
標準化 正態分佈（Normal distribution），也稱“常態分佈”，又名高斯分佈（Gaussian distribution），最早由A.棣莫弗在求二項分佈的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出了
2020-07-07 15:28:37
原创 FRM模型
根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標： 最近一次消費(Recency) 消費頻率(Frequency) 消費金額(Monetary) 最近一次消費
2020-07-07 15:28:37
原创 平穩性、正態分佈、白噪聲和方差齊性
平穩性 時間序列平穩性的定義 現象：始終在一常值附近隨機波動，波動範圍有限，且無明顯趨勢及週期特徵。 假定某個時間序列由某一隨機過程（stochastic process）生成，即假定時間序列{Xt}（t=1, 2,
2020-07-07 15:28:36