万本电子书0元读

万本电子书0元读

顶部广告

Python数据挖掘实战(微课版)电子书

1.本书在内容上,数据挖掘模型理论原理与数据挖掘实现并重,实现二者有机结合。 2.本书基于Python语言介绍模型的实现方法,案例丰富,图文并茂,适合本科数据挖掘课程的教学。

售       价:¥

纸质售价:¥49.30购买纸书

45人正在读 | 0人评论 6.5

作       者:王磊 邱江涛 主编

出  版  社:人民邮电出版社有限公司

出版时间:2023-08-01

字       数:25.7万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
数据挖掘旨在发现蕴含在数据中的有价值的数据模式、知识或规律,是目前非常热门的研究领域。理解数据挖掘模型的原理、方法并熟练掌握其实现技术是数据挖掘从业者的能力。 本书从理论模型和技术实战两个角度,全面讲述数据挖掘的基本流程、模型方法、实现技术及案例应用,帮助读者系统地掌握数据挖掘的核心技术,培养读者从事数据挖掘工作的基本能力。全书共12章,主要内容包括数据探索、数据预处理、特征选择、基础分类模型及回归模型、集成技术、聚类分析、关联规则分析、时间序列挖掘、异常检测、智能推荐等。除第1章、第2章外,本书以一章对应一个主题的形式完整描述相应主题的数据挖掘模型,简洁、清晰地介绍其基本原理和算法步骤,并结合Python语言介绍数据挖掘模型的实现技术,同时结合案例分析数据挖掘模型在数据挖掘中的应用。此外,书中还通过大量的图、表、代码、示例帮助读者快速掌握相关内容。 本书适合作为相关专业本科生和研究生的数据挖掘课程的教材,也可以作为数据挖掘技术爱好者或从业者的门参考书。<br/>【推荐语】<br/>1.本书在内容上,数据挖掘模型理论原理与数据挖掘实现并重,实现二者有机结合。 2.本书基于Python语言介绍模型的实现方法,案例丰富,图文并茂,适合本科数据挖掘课程的教学。<br/>【作者】<br/>为高等院校计算机科学与技术、数据科学与大数据及相关专业的数据挖掘课程教材,也可作为数据挖掘相关从业者的参考用书。<br/>
目录展开

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

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部