R语言实战之行业案例分享视频课程

1-1

付费用户常用分析方法介绍付费用户的常用方法：LTV预测法、玩家物品购买分析、基于玩家物品的智能推荐及社会网络方法。

1-2

关联规则基本知识及R语言实现介绍关联规则的基本原理及R语言的实现：利用arules包建立关联规则模型并利用arulesViz包对关联规则进行可视化展示。并介绍了事物型格式数据的转换方法。

1-3

数据格式转换和事物型数据探索对游戏玩家的购物道具进行探索，利用itemFrequency函数计算各个项集的出现频率(支持度)，输出支持度support最大的前20个项集的支持度频率图。

1-4

建立关联规则及规则解读利用arules函数建立关联规则，并通过调整参数得到有价值的结果，通过subset函数对关联规则进行子集提取，通过sort函数对规则进行排序，最后通过arulesViz包中的plot函数对关联规则进行可视化展示。

1-5

推荐算法R语言实现推荐算法的意义及R语言实现，利用recommenderlab包的Recommender函数构建推荐模型，predict函数预测推荐模型，得到模型的topN列表或者用户的预测评分。

1-6

案例：对玩家物品购买进行智能推荐案例：对玩家物品购买进行智能推荐，首先将矩阵转化为binaryRatingMatrix对象，然后选择选择IBCF算法建立模型，最后通过bestN函数查看top3推荐。

1-7

社会网络图R语言实现社会网络分析的必要性及R语言实现，利用igraph包进行社会网络关系分析及社群发现。