定 价:¥59.00
作 者: | 黄翼 |
出版社: | 清华大学出版社 |
丛编项: | |
标 签: | 暂缺 |
ISBN: | 9787302626046 | 出版时间: | 2023-05-01 | 包装: | 平装 |
开本: | 16开 | 页数: | 字数: |
第一部分 大数据基础
第一章 大数据导论 3
一、什么是大数据 3
二、为何要做数据挖掘 5
三、数据分析的应用 7
练习题 10
第二章 大数据技术 11
一、大数据的技术框架 11
二、与大数据处理相关的技术 12
三、数据挖掘的一般流程 14
练习题 16
第二部分 Python编程基础
第三章 Python环境搭建 19
一、Python的版本与安装 19
二、PyCharm的安装与使用 23
三、Anaconda的安装与使用 27
练习题 30
第四章 Python编程基础 31
一、Python变量设定和赋值数据类型 31
二、Python的运算符 38
三、控制流 42
四、常用函数 49
五、Python基础语法 50
练习题 54
第五章 Python数据挖掘 55
一、NumPy模块 55
二、Pandas模块 68
练习题 106
第六章 Python数据可视化 107
一、数据可视化 107
二、Pandas绘图 111
三、Matplotlib其他绘图 120
练习题 123
第三部分 数据挖掘基础
第七章 数据预处理 127
一、数据存在的问题 127
二、数据预处理的手段 129
练习题 138
第八章 多元线性回归 139
一、介绍 139
二、解释模型与预测模型 139
三、回归方程的估计与预测 140
四、线性回归中的变量选择 141
练习题 143
第九章 K-NN算法 145
一、K-NN分类器(分类结果) 145
二、K-NN表示数值结果 147
三、K-NN算法的优势和劣势 147
练习题 147
第十章 朴素贝叶斯分类器 149
一、介绍 149
二、使用完全(精确)贝叶斯分类器预测 150
三、朴素贝叶斯分类器的优缺点 153
练习题 155
第十一章 分类回归树 156
一、介绍 156
二、分类树 157
三、评估分类树的性能 161
四、避免过度拟合 162
五、树的分类规则 164
六、两类以上的分类树 164
七、回归树 165
八、改进预测:随机森林和增强树 166
九、树的优点和缺点 167
练习题 167
第十二章 逻辑回归 169
一、介绍 169
二、逻辑回归模型 170
三、评估分类性能 172
四、变量的选择 173
五、逻辑回归分析 175
练习题 180
第十三章 神经网络 181
一、介绍 181
二、神经网络的概念与结构 181
三、使网络适应数据 182
四、必需的输入 188
五、预测因素与结果的关系探讨 189
六、神经网络的优缺点 190
练习题 191
第十四章 判别分析 192
一、介绍 192
二、记录与类的距离 194
三、费雪线性分类函数 195
四、判别分析的分类性能 195
五、先验概率 196
六、不均衡的错误分类代价 196
七、超过两类的分类问题 196
八、判别分析的优势与劣势 198
练习题 198
第十五章 关联规则与协同过滤 200
一、关联规则 200
二、协同过滤 206
三、总结 212
练习题 212
第十六章 聚类分析 214
一、介绍 214
二、测量两条记录之间的距离 217
三、两簇间距离测量 221
四、分层(凝聚)聚类 222
五、非层次聚类 226
练习题 228
第十七章 时间序列预测 230
一、介绍 230
二、描述性与预测性建模 231
三、商业中流行的预测方法 231
四、时间序列成分 231
五、数据分区和性能评估 234
练习题 236
第十八章 社交网络分析 237
一、介绍 237
二、有向网络与无向网络 238
三、可视化和分析网络 239
四、社交数据度量和分类 241
五、使用网络指标进行预测和分类 244
六、优点和缺点 248
练习题 249
第十九章 文本挖掘 250
一、介绍 250
二、文本的表格式表示:术语-文档矩阵和“词袋” 250
三、词袋与文档意义提取 251
四、文本预处理 252
五、实现数据挖掘方法 255
六、总结 258
练习题 258
第四部分 经典商务数据分析案例
第二十章 国际应用案例 261
案例一 银行金融营销 261
案例二 波士顿住房 262
案例三 电脑的选择 262
案例四 DriveTime汽车 266
案例五 宝洁公司洗衣皂 270
案例六 Studenmund餐厅 271
案例七 悉尼交通 272
案例八 ToutBay 273
案例九 查尔斯读书俱乐部 275
案例十 德国信贷 279
案例十一 Tayko软件目录 283
案例十二 拒接出租车电话 287
案例十三 肥皂消费者细分 288
案例十四 交叉销售 290
案例十五 预测破产 291
第二十一章 国内应用案例 294
案例一 终端换机预测 294
案例二 高校本科生就业问题研究 296
案例三 国内旅游收入影响因素研究 300
案例四 航空公司客户价值分析 301
案例五 数据分析的其他商务应用 304
参考文献 309