婵犵數濮烽弫鍛婃叏閻戣棄鏋侀柟闂寸绾剧粯绻涢幋鐑嗙劯婵炴垶鐟﹂崕鐔兼煏婵炲灝鍔氶柣搴弮濮婃椽宕楅懖鈹垮仦闂佸搫鎳忕划宀勬偩閻戣棄钃熼柕澶涚畱閳ь剛鏁婚弻銊モ攽閸℃侗鈧鏌$€n偆銆掔紒杈ㄥ浮閸┾偓妞ゆ帒瀚壕鍏兼叏濡灝浜归柛鐐垫暬閺岋綁鎮╅悜妯糕偓鍐偣閳ь剟鏁冮埀顒€宓勯梺鍛婄☉鏋ù婊勭矒閺屻劑寮村Δ鈧禍楣冩倵濞堝灝鏋涘褍閰i獮鎴﹀閻橆偅鏂€闁诲函缍嗘禍璺横缚婵犲洦鈷戠紓浣光棨椤忓嫷鍤曢悹铏规磪閹烘绠涢柣妤€鐗冮幏娲⒒閸屾氨澧涚紒瀣浮楠炴牠骞囬鐘殿啎閻庣懓澹婇崰鏍嵁閺嶎厽鐓熼柨婵嗘噹濡茬粯銇勯锝囩畼闁圭懓瀚伴幖褰掓偡閺夎法顔囬梻鍌氬€风欢姘跺焵椤掑倸浠滈柤娲诲灡閺呰埖瀵肩€涙ḿ鍘炬俊銈忕畳濞夋洜鑺遍崸妤佺厪闁搞儯鍔屾慨宥嗩殽閻愭潙娴鐐差儔閹粓宕卞鍡橈紙闂傚倸鍊搁崐椋庣矆娓氣偓楠炴牠顢曚綅閸ヮ剦鏁嶉柣鎰綑閳ь剝鍩栫换婵嬫濞戞艾顣哄銈冨劜瀹€鎼佸蓟濞戔懇鈧箓骞嬪┑鍥╀簮婵犵鍓濊ぐ鍐偋閹捐钃熼柨鐔哄Т缁€鍐煃閸濆嫬鈧悂寮冲Δ鍛拺濞村吋鐟х粔顒€霉濠婂骸澧版俊鍙夊姍楠炴帒螖閳ь剚鍎柣鐔哥矊闁帮絽顕i幎钘夌厸闁告劦浜為敍婊堟煛婢跺﹦澧戦柛鏂跨Ч钘熼柛顐犲劜閻撴稑霉閿濆牜娼愮€规洖鐭傞弻鈩冩媴鐟欏嫬纾抽梺杞扮劍閹瑰洭寮幘缁樻櫢闁跨噦鎷� [闂傚倸鍊搁崐鎼佸磹瀹勬噴褰掑炊椤掍礁鍓銈嗗姧缁犳垿鐛姀銈嗙厓閺夌偞澹嗛崝宥嗐亜閺傚灝顏紒杈ㄦ崌瀹曟帒顫濋钘変壕闁告縿鍎抽惌娆撴煕閺囥劌鐏犵紒鐙€鍨堕弻銊╂偆閸屾稑顏� | 闂傚倸鍊搁崐鎼佸磹閻戣姤鍤勯柤鍝ユ暩娴犳氨绱撻崒娆掑厡缂侇噮鍨跺畷婵單旈崘銊ョ亰闂佸搫鍟悧濠囧磹婵犳碍鐓㈡俊顖欒濡叉悂鏌f惔顔煎籍婵﹨娅g划娆撳箰鎼淬垺瀚抽梻浣虹《閺呮盯宕弶鎴殨闁归棿绀侀崘鈧銈嗘尵閸犳捇宕㈤鍛瘈闁汇垽娼ф禒婊堟煟韫囨梻绠炵€规洘绻傞~婵嬫嚋閻㈤潧骞愰梻浣呵归張顒勩€冮崨顔绢洸闁跨噦鎷�]

    • Python数据分析与挖掘实战(大数据应用开发大数据技术精品系列教材1+X职业技能等级证书配套系列教材)
      • 作者:编者:翟世臣//张良均|责编:初美呈
      • 出版社:人民邮电
      • ISBN:9787115575821
      • 出版日期:2022/07/01
      • 页数:280
    • 售价:23.92
  • 内容大纲

        本书以Python数据分析与挖掘的常用技术与真实案例相结合的方式,深入浅出地介绍Python数据分析与挖掘的重要内容。本书共11章,分为基础篇(第1~5章)和实战篇(第6~11章),基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识;实战篇包括6个案例,分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐,以及基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测。本书大部分章节包含实训和课后习题,通过练习和操作实践,可帮助读者巩固所学的内容。
        本书可作为“1+X”证书制度试点工作中的大数据应用开发(Python)职业技能等级(高级)证书的教学和培训用书,也可作为高校数据科学或人工智能相关专业的教材,还可作为数据挖掘爱好者的自学用书。
  • 作者介绍

  • 目录

    基础篇
      第1章  数据挖掘基础
        1.1  数据挖掘发展史
        1.2  数据挖掘的常用方法
        1.3  数据挖掘的通用流程
          1.3.1  目标分析
          1.3.2  数据抽取
          1.3.3  数据探索
          1.3.4  数据预处理
          1.3.5  分析与建模
          1.3.6  模型评价
        1.4  常用数据挖掘工具
        1.5  Python数据挖掘环境配置
        小结
        课后习题
      第2章  Python数据挖掘编程基础
        2.1  Python使用入门
          2.1.1  基本命令
          2.1.2  判断与循环
          2.1.3  函数
          2.1.4  库的导入与添加
        2.2  Python数据分析预处理的常用库
          2.2.1  NumPy
          2.2.2  pandas
          2.2.3  Matplotlib
        2.3  Python数据挖掘建模的常用库和框架
          2.3.1  scikit-learn
          2.3.2  深度学习框架
          2.3.3  其他
        小结
        实训判断、函数、类型转换的使用
        课后习题
      第3章  数据探索
        3.1  数据校验
          3.1.1  一致性校验
          3.1.2  缺失值校验
          3.1.3  异常值校验
        3.2  数据特征分析
          3.2.1  描述性统计分析
          3.2.2  分布分析
          3.2.3  对比分析
          3.2.4  周期性分析
          3.2.5  贡献度分析
          3.2.6  相关性分析
        小结
        实训
        实训1  分布分析、描述性统计分析和贡献度分析
        实训2  对比分析、相关性分析和周期性分析
        课后习题
      第4章  数据预处理

        4.1  数据清洗
          4.1.1  重复值处理
          4.1.2  缺失值处理
          4.1.3  异常值处理
    ……
    实战篇