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�]

    • 大数据分析(高等院校数据科学与大数据专业互联网+创新规划教材)
      • 作者:编者:王道平//宋雨情|责编:郑双
      • 出版社:北京大学
      • ISBN:9787301328507
      • 出版日期:2022/08/01
      • 页数:205
    • 售价:15.6
  • 内容大纲

        本书以大数据分析的相关理论和方法为主线,首先介绍了大数据分析所需的预备知识和常用的降维方法,然后介绍了数据挖掘、时间序列分析、人工神经网络等大数据分析方法,最后介绍了大数据分析和大数据可视化的常用工具,并讲解了其相应的操作。
        本书既可以作为高等院校和高职院校数据科学与大数据、大数据管理与应用、软件工程及相关专业的教材,也可以供系统分析师、系统架构师、软件开发工程师和项目经理以及其他学习大数据技术的读者阅读和参考。
  • 作者介绍

        王道平,男,1964年出生,博士。1982年考入清华大学计算机系,1999年至2001年在清华大学从事博士后研究工作,美国得克萨斯大学阿灵顿商学院高级访问学者,现为北京科技大学经济管理学院教授。博士生导师。主要研究方向为供应链与物流管理、智能管理信息系统等。承担国家自然科学基金课题2项,省部级课题多项,主编的教材《现代物流信息技术》和《供应链设计理论与方法》被评为北京市高等教育精品教材。
  • 目录

    第1章  大数据分析概论
      1.1  大数据分析的产生背景与基础
        1.1.1  大数据分析的产生背景
        1.1.2  大数据分析的基础
      1.2  大数据分析的概念与基本原理
        1.2.1  大数据分析的概念
        1.2.2  大数据分析的基本原理
      1.3  大数据分析的对象、过程和价值
        1.3.1  大数据分析的对象
        1.3.2  大数据分析的过程
        1.3.3  大数据分析的价值
      本章小结
      习题
    第2章  大数据分析预备知识
      2.1  模型评估与选择
        2.1.1  经验误差与过拟合
        2.1.2  评估方法
        2.1.3  性能度量
      2.2  假设检验
        2.2.1  假设检验的基本概念
        2.2.2  正态总体参数的假设检验
      2.3  方差分析
        2.3.1  问题的提出
        2.3.2  单因子方差分析统计模型
        2.3.3  平方和分解
        2.3.4  检验方法
      本章小结
      习题
    第3章  大数据分析常用降维方法
      3.1  线性判别分析
        3.1.1  线性判别分析概述
        3.1.2  线性判别分析的计算过程
        3.1.3  线性判别分析的优点和缺点
        3.1.4  线性判别分析的应用
      3.2  主成分分析
        3.2.1  主成分分析概述
        3.2.2  主成分分析的计算过程
        3.2.3  主成分分析的提取标准
        3.2.4  主成分分析的应用
      3.3  因子分析
        3.3.1  因子分析概述
        3.3.2  因子分析的模型
        3.3.3  因子分析的计算过程
        3.3.4  因子分析的应用
      本章小结
      习题
    第4章  大数据分析常用方法
      4.1  关联分析
        4.1.1  关联分析的概念
        4.1.2  Apriori算法

        4.1.3  FP-Growth算法
        4.1.4  关联规则的评估
      4.2  分类分析
        4.2.1  分类分析的概念
        4.2.2  朴素贝叶斯分类
        4.2.3  决策树
        4.2.4  支持向量机
        4.2.5  分类模型的评估
      4.3  聚类分析
        4.3.1  聚类分析的概念
        4.3.2  k-means算法
        4.3.3  k-medoids算法
        4.3.4  DBSCAN算法
        4.3.5  聚类结果的评估
      本章小结
      习题
    第5章  时间序列分析
      5.1  时间序列分析法概述
        5.1.1  时间序列的概念
        5.1.2  时间序列的分类
        5.1.3  时间序列分析法的分类
      5.2  确定性时间序列分析法
        5.2.1  移动平均法
        5.2.2  指数平滑法
        5.2.3  季节指数法
      5.3  随机性时间序列分析法
        5.3.1  平稳性时间序列分析
        5.3.2  非平稳性时间序列分析
        5.3.3  异方差时间序列分析
      本章小结
      习题
    第6章  人工神经网络
      6.1  人工神经网络概述
        6.1.1  人工神经网络简介
        6.1.2  人工神经网络在大数据中的应用
      6.2  人工神经网络模型
        6.2.1  多层感知器
        6.2.2  径向基函数神经网络
        6.2.3  Kohonen网络
      6.3  学习规则
        6.3.1  Hebb学习规则
        6.3.2  Perceptron学习规则
        6.3.3  σ学习规则
        6.3.4  LMS学习规则
        6.3.5  Correlation学习规则
        6.3.6  Winner-Take-All学习规则
      6.4  神经网络训练算法
        6.4.1  梯度下降算法
        6.4.2  演化算法
        6.4.3  遗传算法

      本章小结
      习题
    第7章  大数据分析工具
      7.1  数据透视表
        7.1.1  数据透视表的功能
        7.1.2  数据透视表的相关操作
        7.1.3  数据透视表分析
      7.2  Python数据分析库
        7.2.1  Python的安装和设置
        7.2.2  常用的Python数据分析库
        7.2.3  Python在大数据分析中的应用
      7.3  Tableau
        7.3.1  Tableau的系列产品
        7.3.2  Tableau的应用优势
        7.3.3  Tableau的数据连接
        7.3.4  Tableau在网站内容评估中的应用
      本章小结
      习题
    第8章  大数据可视化
      8.1  大数据可视化概述
        8.1.1  大数据可视化的概念
        8.1.2  大数据可视化的作用
        8.1.3  大数据可视化的应用
      8.2  大数据可视化的基础和表现形式
        8.2.1  大数据可视化的原则和步骤
        8.2.2  统计图表可视化方法
        8.2.3  不同类型数据和图形的展示
      8.3  大数据可视化工具
        8.3.1  Tableau的可视化功能
        8.3.2  ECharts工具简介
      本章小结
      习题
    参考文献