Анализ поведенческих данных на R и Python : как улучшить бизнес-результаты на основе данных клиентов

Содержание книги "Анализ поведенческих данных на R и Python : как улучшить бизнес-результаты на основе данных клиентов"

От издательства
Предисловие
Благодарности
Об авторе
Об иллюстрации на обложке (колофон)
Часть I. ПОНИМАНИЕ ПОВЕДЕНИЙ
Глава 1. Причинно-поведенческий каркас для анализа данных
Почему для объяснения человеческого поведения нужна причинно-следственная аналитика
Чтоб ей пусто было! Скрытые опасности, когда разбирательства отданы на усмотрение регрессии
Выводы
Глава 2. Понимание поведенческих данных
Базовая модель человеческого поведения
Как соединять поведения и данные
Выводы
Часть II. ПРИЧИННО-СЛЕДСТВЕННЫЕ ДИАГРАММЫ И РАСПУТЫВАНИЕ
Глава 3. Введение в причинно-следственные диаграммы
Причинно-следственные диаграммы и причинно-поведенческий каркас
Фундаментальные структуры причинно-следственных диаграмм
Распространенные преобразования причинно-следственных диаграмм
Выводы
Глава 4. Строительство причинно-следственных диаграмм с нуля
Деловая задача и настройка данных
Выявление переменных-кандидатов на включение
Подтверждение наблюдаемых переменных для включения на основе данных
Итеративное расширение причинно-следственной диаграммы
Упрощения причинно-следственной диаграммы
Выводы
Глава 5. Использование причинно-следственных диаграмм для распутывания аналитических расчетов
Деловая задача: продажи мороженого и бутилированной воды
Критерий дизъюнктивной причины
Критерий боковой двери
Выводы
Часть III. УСТОЙЧИВЫЙ АНАЛИЗ ДАННЫХ
Глава 6. Работа с пропущенными данными
Данные и пакеты
Визуализация пропущенных данных
Диагностика пропущенных данных
Работа с пропущенными данными
Выводы
Глава 7. Измерение неопределенности с помощью бутстрапа
Введение в бутстрап: «опрашивание» самого себя
Бутстрап для регрессионного анализа
Когда следует использовать бутстрап
Оптимизирование бутстрапа на R и Python
Выводы
Часть IV. ДИЗАЙН И АНАЛИЗ ЭКСПЕРИМЕНТОВ
Глава 8. Экспериментальный дизайн: основы
Планирование эксперимента: теория изменения
Данные и пакеты
Определение случайного размещения и размера/мощности выборки
Анализирование и интерпретирование экспериментальных результатов
Выводы
Глава 9. Стратифицированная рандомизация
Планирование эксперимента
Определение случайного размещения и размера/мощности выборки
Анализ и интерпретация экспериментальных результатов
Выводы
Глава 10. Кластерная рандомизация и иерархическое моделирование
Планирование эксперимента
Данные и пакеты
Введение в иерархическое моделирование
Определение случайного размещения и размера/мощности выборки
Анализ эксперимента
Выводы
Часть V. ПРОДВИНУТЫЕ ИНСТРУМЕНТЫ АНАЛИЗА ПОВЕДЕНЧЕСКИХ ДАННЫХ
Глава 11. Введение в модерацию
Данные и пакеты
Поведенческие разновидности модерации
Как применять модерацию
Выводы
Глава 12. Опосредование и инструментальные переменные
Опосредование
Инструментальные переменные
Выводы
Библиография
Предметный указатель