[
-
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10章，分为基础篇（第1～5章）和实战篇（第6～10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、数据预处理和数据挖掘算法基础等基础知识；实战篇包括5个案例，分别为商超客户价值分析、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，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。本书除了第1章仅包含课后习题，其余章均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。
本书可作为高校数据科学或人工智能相关专业的教材，也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 数据隐私安全
1.2.1 伦理困境与法律法规
1.2.2 数据隐私与合规性
1.3 数据挖掘的常用方法
1.4 数据挖掘的通用流程
1.4.1 目标分析
1.4.2 数据抽样
1.4.3 数据探索
1.4.4 数据预处理
1.4.5 分析与建模
1.4.6 模型评价
1.5 常用数据挖掘工具
1.6 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 库的导入与安装
2.2 Python数据挖掘建模的常用库
2.2.1 NumPy
2.2.2 pandas
2.2.3 Matplotlib
2.2.4 scikit-learn
2.2.5 其他
2.3 深度学习框架
2.3.1 TensorFlow
2.3.2 Keras
2.3.3 PyTorch
2.3.4 PaddlePaddle
2.3.5 Caffe
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
3.1.4 数据漂移校验
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
4.2 数据变换
4.2.1 简单函数变换
4.2.2 数据标准化
4.2.3 数据离散化
4.2.4 独热编码
4.3 数据合并
4.3.1 多表合并
4.3.2 分组合并
4.4 自动化预处理
4.4.1 自动化预处理的概念
4.4.2 常用的自动化预处理工具
4.4.3 自动化预处理流程
4.4.4 自动化预处理的优势与注意事项
小结
实训
实训1 数据清洗
实训2 数据变换
实训3 数据合并
课后习题
第5章 数据挖掘算法基础
5.1 分类与回归
5.1.1 常用的分类与回归算法
5.1.2 分类与回归模型评价
5.1.3 线性模型
5.1.4 决策树
5.1.5 K最近邻分类
5.1.6 支持向量机
5.1.7 神经网络
5.1.8 集成算法
5.2 聚类
5.2.1 常用的聚类算法
5.2.2 聚类模型评价
5.2.3 K-Means算法
5.2.4 密度聚类
5.2.5 层次聚类
5.3 关联规则
5.3.1 常用关联规则算法
5.3.2 Apriori算法
5.3.3 FP-Growth算法
5.4 时间序列分析
5.4.1 时间序列分析算法
5.4.2 时间序列的预处理
5.4.3 平稳序列分析
5.4.4 非平稳序列分析
5.5 智能推荐
5.5.1 常用智能推荐算法
5.5.2 智能推荐模型评价
5.5.3 协同过滤推荐算法
5.5.4 基于流行度的推荐算法
5.6 深度学习
5.6.1 深度学习的常用算法
5.6.2 深度学习与机器学习的区别
小结
实训
实训1 使用分类算法实现客户流失预测
实训2 使用K-Means算法实现超市顾客聚类分析
实训3 使用Apriori算法挖掘网址间的相关关系
实训4 使用ARIMA模型实现温度预测
课后习题
实战篇
第6章 商超客户价值分析
6.1 背景与目标
6.1.1 背景
6.1.2 数据说明
6.1.3 目标
6.2 数据探索与预处理
6.2.1 数据质量评估与预处理
6.2.2 可视化分析
6.2.3 相关性分析
6.3 分析与建模
6.3.1 指标选取
6.3.2 模型构建
6.4 结果分析
6.4.1 客户分群
6.4.2 客户群体对比分析
小结
实训 使用K-Means算法实现运营商客户价值分析
课后习题
第7章 餐饮企业菜品关联分析
7.1 背景与目标
7.1.1 背景
7.1.2 数据说明
7.1.3 目标
7.2 数据探索
7.2.1 分析每日用餐人数和营业额
7.2.2 分析菜品热销度
7.3 数据预处理
7.3.1 数据清洗
7.3.2 属性构造
7.4 分析与建模
7.4.1 构建Apriori模型
7.4.2 训练模型
7.5 模型评价
小结
实训 西饼屋订单关联分析
课后习题
第8章 金融服务机构资金流量预测
8.1 背景与目标
8.1.1 背景
8.1.2 数据说明
8.1.3 目标
8.2 数据探索与预处理
8.2.1 属性构造
8.2.2 截取平稳部分数据
8.2.3 周期性差分
8.2.4 平稳性检验和白噪声检验
8.3 分析与建模
8.3.1 ARIMA模型的定阶
8.3.2 模型检验
8.4 模型评价
小结
实训 构建ARIMA模型预测资金赎回量
课后习题
第9章 O2O优惠券使用预测
9.1 背景与目标
9.1.1 背景
9.1.2 数据说明
9.1.3 目标
9.2 数据探索
9.2.1 描述性统计分析
9.2.2 分析优惠形式信息
9.2.3 分析用户消费行为信息
9.2.4 分析商户投放优惠券信息
9.3 数据预处理
9.3.1 数据清洗
9.3.2 数据变换
9.4 分析与建模
9.4.1 决策树分类模型
9.4.2 梯度提升分类模型
9.4.3 XGBoost分类模型
9.5 模型评价
小结
实训 运营商客户流失预测
课后习题
第10章 基于TipDM大数据挖掘平台实现金融服务机构资金流量预测
10.1 构建金融服务机构资金流量预测模型的流程
10.2 数据探索与预处理
10.2.1 数据源配置
10.2.2 属性构造
10.2.3 数据筛选
10.2.4 周期性差分
10.2.5 序列检验
10.3 分析与建模
10.3.1 模型定阶
10.3.2 模型检验
10.3.3 模型评价
小结
实训 构建ARIMA模型预测航空公司乘客数据
课后习题
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...