第一部分是基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；第2章對Python以及本書所用到的數據挖掘建模庫進行了簡明扼要的說明；第3章、第4章、第5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用算法與原理進行了介紹。第二部分是實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生產制造以及公共服務等行業的應用進行了分析。在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最后完成模型構建的順序進行的，在建模過程關鍵環節，穿插程序實現代碼。最后通過上機實踐，加深數據挖掘技術在案例應用中的理解。
張良均，資深大數據挖掘專家和模式識別專家，有10多年的大數據挖掘應用、咨詢經驗，10余年數據倉庫系統管理與實施經驗，超過10年的系統開發與設計經驗。為電信、電力、互聯網、生產制造、零售、銀行、生物、化工、醫藥等多個行業上百家大型企業提供過數據挖掘應用與咨詢服務，實踐經驗非常豐富。此外，他精通Java EE企業級應用開發，是廣東工業大學和華南師范大學兼職教授，著有《神經網絡實用教程》、《數據挖掘：實用案例分析》等暢銷書。
| FindBook |
有 1 項符合
Python數據分析與挖掘實戰的圖書 |
| 圖書選購 |
| 型式 | 價格 | 供應商 | 所屬目錄 | 二手書 |
$ 180 |
 TAAZE 讀冊生活 |
二手中文書 |
|---|
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：Python數據分析與挖掘實戰
內容簡介
目錄
前言
基礎篇
第1章數據挖掘基礎
1.1某知名連鎖餐飲企業的困惑
1.2從餐飲服務到數據挖掘
1.3數據挖掘的基本任務
1.4數據挖掘建模過程
1.4.1定義挖掘目標
1.4.2數據取樣
1.4.3數據探索
1.4.4數據預處理
1.4.5挖掘建模
1.4.6模型評價
1.5常用的數據挖掘建模工具
1.6小結
每2章Python數據分析簡介
2.1搭建Python開發平台
2.1.1所要考慮的問題
2.1.2基礎平台的搭建
2.2Python使用入門
2.2.1運行方式
2.2.2基本命令
2.2.3數據結構
2.2.4庫的導入與添加
2.3Python數據分析工具
2.3.1Numpy
2.3.2Scipy
2.3.3Matplotlib
2.3.4Pandas
2.3.5StatsModels
2.3.6Scikit—Leam
2.3.7Keras
2.3.8Gensim
2.4配套資源使用設置
2.5小結
第3章數據探索
3.1數據質量分析
3.1.1缺失值分析
3.1.2異常值分析
3.1.3—致性分析
3.2數據特征分析
3.2.1分布分析
3.2.2對比分析
3.2.3統計量分析
3.3Python主要數據探索函數
3.3.1基本統計特征函數
3.3.2拓展統計特征函數
3.3.3統計作圖函數
3.4小結
數據預處理
4.1數據清洗
4.1.1缺失值處理
4.1.2異常值處理
4.2數據集成
4.2.1實體識別
4.2.2冗余屬性識別
413數據變換
4.3.1簡單函數變換
4.3.2規范化
4.3.3連續屬性離散化
4.3.4屬性構造
4.3.5小波變換
4.4數據規約
4.4.1屬性規約
4.4.2數值規約
4.5Python主要數據預處理函數
4.6小結
第5章挖掘建模
5.1分類與預測
5.1.1實現過程
5.1.2常用的分類與預測算法
5.1.3回歸分析
5.1.4決策樹
5.1.5人工神經網絡
5.1.6分類與預測算法評價
5.1.7Python分類預測模型特點
5.2聚類分析
5.2.1常用聚類分析算法
5.2.2K—Means聚類算法
5.2.3聚類分析算法評價
5.2.4Python主要聚類分析算法
5.3關聯規則
5.3.1常用關聯規則算法
5.3.2Apriori算法
5.4時序模式
5.4.1時間序列算法
5.4.2時間序列的預處理
5.4.3平穩時間序列分析
5.4.4非平穩時間序列分析
5.4.5Python主要時序模式算法
5.5離群點檢測134
5.5.1離群點檢測方法
5.5.2基於模型的離群點檢測方法
5.5.3基於聚類的離群點檢測方法
5.6小結
實戰篇
第6章電力竊漏電用戶自動識別
6.1背景與挖掘目標
6.2分析方法與過程
6.2.1數據抽取
6.2.2數據探索分析
6.2.3數據預處理
6.2.4構建專家樣本
6.3上機實驗
6.4拓展思考
6.5小結
第7章航空公司客戶價值分析
7.1背景與挖掘目標
7.2分析方法與過程
7.2.1數據抽取
7.2.2數據探索分析
7.2.3數據預處理
7.2.4模型構建
7.3上機實驗
7.4拓展思考
7.5小結
第8章中醫證型關聯規則挖掘
8.1背景與挖掘目標
8.2分析方法與過程
8.2.1數據獲取
8.2.2數據預處理
8.2.3模型構建
8.3上機實驗
8.4拓展思考
8.5小結
第9章基於水色圖像的水質評價
9.1背景與挖掘目標
9.2分析方法與過程
9.2.1數據預處理
9.2.2模型構建
9.2.3水質評價
9.3上機實驗
9.4拓展思考
9.5小結
第10章家用電器用戶行為分析與事件識別
10.1背景與挖掘目標
10.2分析方法與過程
10.2.1數據抽取
10.2.2數據探索分析
10.2.3數據預處理
10.2.4模型構建
10.2.5模型檢驗
10.3上機實驗
10.4拓展思考
10.5小結
第11章應用系統負載分析與磁盤容量預測
11.1背景與挖掘目標
11.2分析方法與過程
11.2.1數據抽取
11.2.2數據探索分析
11.2.3數據預處理
11.2.4模型構建
11.3上機實驗
11.4拓展思考
11.5小結
第12章電子商務網站用戶行為分析及服務推薦
12.1背景與挖掘目標
12.2分析方法與過程
12.2.1數據抽取
12.2.2數據探索分析
12.2.3數據預處理
12.2.4模型構建
12.3上機實驗
12.4拓展思考
12.5小結
第13章財政收入影響因素分析及
13.1預測模型
13.2背景與挖掘目標
分析方法與過程
13.2.1灰色預測與神經網絡的組合模型
13.2.2數據探索分析
13.2.3模型構建
13.3上機實驗
13.4拓展思考
13.5小結
第14章基於基站定位數據的商圈分析
14.1背景與挖掘目標
14.2分析方法與過程
14.2.1數據抽取
14.2.2數據探索分析
14.2.3數據預處理
14.2.4模型構建
14.3上機實驗
14.4拓展思考
14.5小結
第15章電商產品評論數據情感分析
15.1背景與挖掘目標
15.2分析方法與過程
15.2.1評論數據采集
15.2.2評論預處理
15.2.3文本評論分詞
15.2.4模型構建
15.3上機實驗
15.4拓展思考
15.5小結
參考文獻
基礎篇
第1章數據挖掘基礎
1.1某知名連鎖餐飲企業的困惑
1.2從餐飲服務到數據挖掘
1.3數據挖掘的基本任務
1.4數據挖掘建模過程
1.4.1定義挖掘目標
1.4.2數據取樣
1.4.3數據探索
1.4.4數據預處理
1.4.5挖掘建模
1.4.6模型評價
1.5常用的數據挖掘建模工具
1.6小結
每2章Python數據分析簡介
2.1搭建Python開發平台
2.1.1所要考慮的問題
2.1.2基礎平台的搭建
2.2Python使用入門
2.2.1運行方式
2.2.2基本命令
2.2.3數據結構
2.2.4庫的導入與添加
2.3Python數據分析工具
2.3.1Numpy
2.3.2Scipy
2.3.3Matplotlib
2.3.4Pandas
2.3.5StatsModels
2.3.6Scikit—Leam
2.3.7Keras
2.3.8Gensim
2.4配套資源使用設置
2.5小結
第3章數據探索
3.1數據質量分析
3.1.1缺失值分析
3.1.2異常值分析
3.1.3—致性分析
3.2數據特征分析
3.2.1分布分析
3.2.2對比分析
3.2.3統計量分析
3.3Python主要數據探索函數
3.3.1基本統計特征函數
3.3.2拓展統計特征函數
3.3.3統計作圖函數
3.4小結
數據預處理
4.1數據清洗
4.1.1缺失值處理
4.1.2異常值處理
4.2數據集成
4.2.1實體識別
4.2.2冗余屬性識別
413數據變換
4.3.1簡單函數變換
4.3.2規范化
4.3.3連續屬性離散化
4.3.4屬性構造
4.3.5小波變換
4.4數據規約
4.4.1屬性規約
4.4.2數值規約
4.5Python主要數據預處理函數
4.6小結
第5章挖掘建模
5.1分類與預測
5.1.1實現過程
5.1.2常用的分類與預測算法
5.1.3回歸分析
5.1.4決策樹
5.1.5人工神經網絡
5.1.6分類與預測算法評價
5.1.7Python分類預測模型特點
5.2聚類分析
5.2.1常用聚類分析算法
5.2.2K—Means聚類算法
5.2.3聚類分析算法評價
5.2.4Python主要聚類分析算法
5.3關聯規則
5.3.1常用關聯規則算法
5.3.2Apriori算法
5.4時序模式
5.4.1時間序列算法
5.4.2時間序列的預處理
5.4.3平穩時間序列分析
5.4.4非平穩時間序列分析
5.4.5Python主要時序模式算法
5.5離群點檢測134
5.5.1離群點檢測方法
5.5.2基於模型的離群點檢測方法
5.5.3基於聚類的離群點檢測方法
5.6小結
實戰篇
第6章電力竊漏電用戶自動識別
6.1背景與挖掘目標
6.2分析方法與過程
6.2.1數據抽取
6.2.2數據探索分析
6.2.3數據預處理
6.2.4構建專家樣本
6.3上機實驗
6.4拓展思考
6.5小結
第7章航空公司客戶價值分析
7.1背景與挖掘目標
7.2分析方法與過程
7.2.1數據抽取
7.2.2數據探索分析
7.2.3數據預處理
7.2.4模型構建
7.3上機實驗
7.4拓展思考
7.5小結
第8章中醫證型關聯規則挖掘
8.1背景與挖掘目標
8.2分析方法與過程
8.2.1數據獲取
8.2.2數據預處理
8.2.3模型構建
8.3上機實驗
8.4拓展思考
8.5小結
第9章基於水色圖像的水質評價
9.1背景與挖掘目標
9.2分析方法與過程
9.2.1數據預處理
9.2.2模型構建
9.2.3水質評價
9.3上機實驗
9.4拓展思考
9.5小結
第10章家用電器用戶行為分析與事件識別
10.1背景與挖掘目標
10.2分析方法與過程
10.2.1數據抽取
10.2.2數據探索分析
10.2.3數據預處理
10.2.4模型構建
10.2.5模型檢驗
10.3上機實驗
10.4拓展思考
10.5小結
第11章應用系統負載分析與磁盤容量預測
11.1背景與挖掘目標
11.2分析方法與過程
11.2.1數據抽取
11.2.2數據探索分析
11.2.3數據預處理
11.2.4模型構建
11.3上機實驗
11.4拓展思考
11.5小結
第12章電子商務網站用戶行為分析及服務推薦
12.1背景與挖掘目標
12.2分析方法與過程
12.2.1數據抽取
12.2.2數據探索分析
12.2.3數據預處理
12.2.4模型構建
12.3上機實驗
12.4拓展思考
12.5小結
第13章財政收入影響因素分析及
13.1預測模型
13.2背景與挖掘目標
分析方法與過程
13.2.1灰色預測與神經網絡的組合模型
13.2.2數據探索分析
13.2.3模型構建
13.3上機實驗
13.4拓展思考
13.5小結
第14章基於基站定位數據的商圈分析
14.1背景與挖掘目標
14.2分析方法與過程
14.2.1數據抽取
14.2.2數據探索分析
14.2.3數據預處理
14.2.4模型構建
14.3上機實驗
14.4拓展思考
14.5小結
第15章電商產品評論數據情感分析
15.1背景與挖掘目標
15.2分析方法與過程
15.2.1評論數據采集
15.2.2評論預處理
15.2.3文本評論分詞
15.2.4模型構建
15.3上機實驗
15.4拓展思考
15.5小結
參考文獻
|
