Python数据挖掘实战(微课版)电子书

内容提要

前言

第1章 绪论

1.1 数据挖掘概述

1.2 数据挖掘的一般流程

1.3 数据挖掘环境的配置

1.4 本章小结

习题

第2章 Python数据挖掘模块

2.1 NumPy

2.2 Pandas

2.3 Matplotlib

2.4 Scikit-learn

2.5 本章小结

习题

第3章 数据探索

3.1 数据对象与特征

3.2 数据统计描述

3.3 数据可视化

3.4 相关性和相似性度量

3.5 本章小结

习题

第4章 数据预处理

4.1 数据集成

4.2 数据清洗

4.3 数据变换

4.4 数据规约

4.5 本章小结

习题

第5章 特征选择

5.1 特征选择方法概述

5.2 过滤法

5.3 包装法

5.4 嵌入法

5.5 本章小结

习题

第6章 基础分类模型及回归模型

6.1 基本理论

6.2 朴素贝叶斯分类器

6.3 k近邻分类器

6.4 决策树

6.5 人工神经网络

6.6 支持向量机

6.7 模型的性能评价

6.8 案例：信用评分模型

6.9 回归

6.10 本章小结

习题

第7章 集成技术

7.1 基本集成技术

7.2 随机森林

7.3 提升树

7.4 案例：电信客户流失预测

7.5 类不平衡问题

7.6 本章小结

习题

第8章 聚类分析

8.1 聚类的基本原理

8.2 k-means算法

8.3 聚类算法的性能评价指标

8.4 DBSCAN算法

8.5 GMM聚类算法

8.6 本章小结

习题

第9章 关联规则分析

9.1 概述

9.2 Apriori算法生成频繁项集

9.3 FP-growth算法

9.4 Eclat算法

9.5 案例：网上零售购物篮分析

9.6 本章小结

习题

第10章 时间序列挖掘

10.1 时间序列挖掘概述

10.2 时间序列预处理

10.3 平稳非白噪声序列建模

10.4 非平稳序列建模

10.5 基于Python的ARIMA模型实现

10.6 案例：基于ARIMA模型的销售额预测

10.7 本章小结

习题

第11章 异常检测

11.1 基于统计的异常检测方法

11.2 基于聚类的异常检测方法

11.3 孤立森林方法

11.4 本章小结

习题

第12章 智能推荐

12.1 智能推荐概述

12.2 基于用户的协同过滤技术

12.3 基于物品的协同过滤技术

12.4 非负矩阵分解

12.5 本章小结

习题

参考文献