大数据智能分析理论与方法

　　本书旨在遵循数据分析的思路与逻辑，系统梳理大数据智能分析的相关知识。全书共分为十六章。在理论和方法方面，主要包括常规数据预处理、数据降维、特征选择、决策树、K近邻学习、支持向量机、贝叶斯学习、集成学习、关联规则、聚类、人工神经网络、深度学习、推荐系统等；在理论与实践融合方面，本书提供了若干典型应用场景，如广告点击率预测、信息流中的内容推荐、游戏运营中的数据挖掘等，以期加强读者对理论的理解和应用能力。另外，本书在章节后也提供了即测即练二维码，帮助读者掌握和巩固对应章节的知识。

暂缺《大数据智能分析理论与方法》作者简介